国产亚洲欧美在线观看,最新中文中幕无码高清在线

內(nèi)容簡介

　　本書主要介紹了縱向數(shù)據(jù)多元響應(yīng)變量的一種新的聚類方法，同時研究了縱向數(shù)據(jù)的分位數(shù)回歸模型和半?yún)?shù)固定效應(yīng)模型的估計效率。全書共分六章，章概述，主要介紹本書的主要工作，包括研究背景、一些基本概念。第二章介紹基于非參數(shù)回歸模型的多元響應(yīng)變量縱向數(shù)據(jù)的聚類分析方法，包括模型框架、聚類方法、漸近性質(zhì)、數(shù)值模擬、實例分析和證明。第三章主要研究利用均值模型提高隨機缺失縱向數(shù)據(jù)分位數(shù)回歸的估計效率，包括估計方法、估計量的漸近性質(zhì)、數(shù)值模擬、實證分析、討論和證明。第四章主要介紹總體信息提高分位數(shù)回歸估計效率的方法，內(nèi)容有估計方法、估計量的漸近性質(zhì)、數(shù)值模擬和證明。第五章討論半?yún)?shù)固定效應(yīng)縱向數(shù)據(jù)模型的回歸樣條估計，給出了估計方法、估計量的漸近性質(zhì)、數(shù)值模擬和證明。第六章總結(jié)了本書的研究結(jié)果并對今后的研究方向提出了一點想法。

作者簡介

暫缺《縱向數(shù)據(jù)聚類和估計效率研究》作者簡介

圖書目錄

第1章概述
1.1 縱向數(shù)據(jù)
1.2 聚類的方法
1.3 分位數(shù)回歸模型
1.4 本書的主要工作
1.4.1 研究動機與問題
1.4.2 選題意義
1.4.3 研究的創(chuàng)新點與主要內(nèi)容
第2章基于非參數(shù)回歸的多元縱向數(shù)據(jù)聚類分析
2.1 背景介紹
2.2 模型框架
2.2.1 具有多元響應(yīng)變量的個體模型
2.2.2 對單個響應(yīng)變量的聚類
2.3 聚類方法
2.3.1 帶MCP懲罰的聚類方法
2.3.2 ADMM算法
2.3.3 調(diào)整參數(shù)的選擇
2.4 漸近性質(zhì)
2.5 數(shù)值模擬
2.5.1 平衡數(shù)據(jù)的聚類
2.5.2 非平衡數(shù)據(jù)的聚類
2.5.3 計算時長的比較
2.5.4 重復測量的可行范圍
2.6 IRI數(shù)據(jù)的應(yīng)用
2.7 相關(guān)定理證明
第3章均值信息提高分位數(shù)回歸估計效率
3.1 背景介紹
3.2 估計方法
3.3 估計量的漸近性質(zhì)
3.4 數(shù)值模擬
3.5 QoL數(shù)據(jù)的分析
3.6 討論
3.7 相關(guān)定理證明
第4章總體信息提高分位數(shù)回歸估計效率
4.1 背景介紹
4.2 估計方法
4.3 估計量的漸近性質(zhì)
4.4 數(shù)值模擬
4.5 相關(guān)定理證明
第5章縱向數(shù)據(jù)半?yún)?shù)固定效應(yīng)模型的估計效率
5.1 背景介紹
5.2 估計方法
5.3 估計量的漸近性質(zhì)
5.4 數(shù)值模擬
5.5 相關(guān)定理證明
第6章結(jié)論與展望
參考文獻