稳健学生t回归模型的非迭代贝叶斯抽样算法

与正态回归相比,学生t回归模型是一种对异常值较稳健的回归模型,通常用Gibbs抽样算法估计参数.而Gibbs抽样是一种迭代算法,所得样本不是独立样本,统计推断之前需判断其收敛性.文章探讨了一种基于逆贝叶斯公式的非迭代抽样算法,该算法利用t分布的正态混合表示,结合EM算法和重要再抽样算法,得到参数的独立同分布的后验样本,该样本可直接用于统计推断,从而避免了Gibbs抽样中的问题.     

基于线性插值的贝叶斯Lasso分位数回归及应用

在贝叶斯Lasso分位数回归中,样本似然函数的计算和后验分布的抽样通常难以处理.针对这一问题,文章采用一种基于线性插值的似然函数计算方法,并结合拉普拉斯先验分布,设计出一种新的对后验分布进行抽样的算法.数值模拟结果表明了该方法具有较好的适应性和参数估计准确性.     

概率抽样条件下样本代表性事后评估方法探讨

 样本代表性直接牵扯到统计数据质量和统计公布引起的民众反响,目前社会上不乏对政府统计数据的质疑之声,最终影响到政府统计机关的公信力,因此有必要重新审视现行样本代表性的研究。目前相关文献普遍强调不同抽样方式下的样本代表性的相对性内涵,确保样本的代表性仅从抽样方法和样本量两个维度入手,缺乏对既定抽样方法下样本代表性的事后评估体系的探索,以及多样本之间样本代表性优劣的比较方法研究。鉴于此,本文在结合人口普查数据基础上尝试从样本-总体整体分布和内部属性结构两个方面构建样本代表性事后评估的一整套指标和假设检验,进而找到一种多样本代表性比较的依据。最后对浦东新区2010年城镇居民收入调查样本进行了代表性检验的尝试。     

对抽样平均误差公式的更正

传统的抽样理论认为,抽取样本的方法有两种:不重复抽样和重复抽样。并且认为在不重复抽样下,各次抽样之间是相互影响的;而在重复抽样下,各次抽样之间是相互独立的。由此得出了两个关于计算纯随机抽样的抽样平均误差公式。以抽样平均数为例,它们分别为:     

一种基于多变量空间非概率抽样方法的设计

文章基于样本均值无偏估计和有效估计的前提下,以行政区域单位划分为抽样框,采用多个辅助指标控制多目标抽样估计的误差,设计了一种多指标空间非概率抽样样本选取方法.并利用陕西省2014年城镇人均可支配收入以及人口增长率两个辅助指标对陕西省107个区县进行了抽样应用,结果显示样本的抽取涵盖了各个不同水平层次的区县,抽样效果良好.     

关于多阶段抽样的几个问题

一,什么叫多阶段抽样多阶段抽样是一种得到广泛运用的抽样方法,其最终调查单位是经过几个阶段抽选出来的.第一阶段先抽取大的样本单位,一般叫第     

多目的抽样调查方法浅析

一、多目的抽样调查的概念在抽样调查实践中,常用的是单目的抽样调查方法.即在一次抽样调查中,只抽取属于某一总体的样本,依据样本统计量推断该总体参数.所谓多目的抽样调查,则是在一次抽样     

对称等距抽样方法简介

对称等距抽样方法是等距抽样(或称系统抽样、机械抽样)方法的一种.这种方法要求以每两个对称的样本单位为一对.等距离抽选若干对样本单位.     

在不可忽略抽样机制下目标变量的估计问题

抽样调查是通过对有限总体的重复抽样,用样本数据对总体的目标变量进行估计,但是若样本的抽样过程与目标变量有关,则样本分布不能代表总体分布,此时用样本数据来估计总体会产生很大的偏差。针对这种在不可忽略的抽样机制下如何进行目标变量的估计问题展开讨论,详细介绍了三种处理该问题的方法并对这三种方法进行了比较,得出第三种概率密度函数的方法是处理该问题比较好的一种方法。     

混合效应模型的非参数贝叶斯分位回归方法研究

本文对混合效应模型提出了一种非参数贝叶斯分位回归方法,通过引进一种新的分层有限正态混合分布,将分位回归建模时对随机误差项的假定放宽至仅有分位点约束之下.通过对混合比例参数假设广泛灵活的Stick-Breaking先验,使得模型捕捉复杂数据分布信息的能力更强.在建立的非参数贝叶斯分层分位回归模型中引入潜变量,使模型参数估计的Gibbs抽样算法中原来每次需要计算(2M)N项函数值变为每次只需计算N项即可.蒙特卡罗模拟显示,在误差分布函数变得较为复杂时,非参数贝叶斯分位回归方法比参数方法在估计效果上有更大的优势.