跳到主要內容

簡易檢索 / 詳目顯示

研究生: 蔡宛玲
Wan-Ling Cai
論文名稱: 關聯結構模型之強韌性的探討
Exporing the robustness of copula models
指導教授: 鄒宗山
Tsung-Shan Tsou
口試委員:
學位類別: 碩士
Master
系所名稱: 理學院 - 統計研究所
Graduate Institute of Statistics
畢業學年度: 99
語文別: 中文
論文頁數: 111
中文關鍵詞: 多元負二項模型Copula模型強韌概似函數
外文關鍵詞: multivariate negative binomial model, copula model, robust likelihood function
相關次數: 點閱:7下載:0
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報
  • 近年來,Copula 成為建構多元模型相當流行的方法,且被廣泛地應用在各個領域。雖然 Copula 方法可輕易的建構多元模型,但若假設的模型與真實的分配不合時,則根據此 Copula 模型得到的統計推論是否正確,則尚未有研究探討。
    本文主要的目的是,針對二元非負資料,探討 Copula 模型,在模型假設不正確下,此實作模型的推論結果是否有強韌性,並與多元負二項模型之結果作一對比。


    In recent years, copula models have become a popular method for modeling correlated data, and have been widely applied in many field of studies. Although one can use the copula models to construct multivariate distribution easily, there is no research discussing the robustness of copula models so far.
    The purpose of this thesis is to investigate the robustness property of the copula models under model misspecifications. We also compare copula models with the multivariate negative binomial model.

    摘要 i Abstract ii 致謝辭 iii 目錄 iv 表目錄 v 第一章 緒論 1 第二章 強韌概似函數 3 第三章 關聯結構(Copula) 6 3.1 關聯結構簡介 6 3.2 關聯結構模型 10 3.2.1 GW模型 12 3.2.2 GE模型 14 3.2.3 GLN模型 14 3.2.4 FW模型 16 3.2.5 FE模型 17 3.2.6 FLN模型 18 第四章 強韌多元負二項概似函數 19 4.1 多元負二項I.I.D.模型修正項 19 4.2 多元負二項迴歸參數修正項 21 第五章 模擬研究 25 5.1 I.I.D模型 28 5.2 線性迴歸模型 48 5.3 對數線性模型 68 第六章 實例分析 88 第七章 結論 93 參考文獻 94 附錄 96

    1. Arbous, A. G. and Kerrich, J. E. (1951). Accident statistics and the concept of accident proneness. Biometrics, 7, 340-432.
    2. Cherian, K. C. (1941). A bivariate correlated gamma-type distribution function. Journal of the Indian Mathematical Society, 5, 133-144.
    3. Ding, A. A. and Wang, W. (2007). Inference for bivariate survival data by copula models adjusted for the boundary effect. Communication in Statistics-Theory and Methods, 36, 2927-2936.
    4. Hadgu, A. and Koch, G. (1999). Application of generalized estimating equations to a dental randomized clinical trial. Journal of Biopharmaceutical Statistics, 9, 161-178.
    5. Liang, K. Y. and Zeger, S. L. (1986). Longitudinal data analysis using generalized linear models. Biometrika, 73, 13-22.
    6. McCullagh, P. (1983). Quasi-likelihood functions. Annals of Statistics, 11,
    59-67.
    7. Patton, A. J. (2004). On the out-of-sample importance of skewness and asymmetric dependence for asset allocation. Journal of Financial Econometrics, 2, 130-168.
    8. Royall, R. M. and Tsou, T. S. (2003). Interpreting statistical evidence by using imperfect models: robust adjusted likelihood functions. Journal of the Royal Statistical Society, Series B, 65, 391-404.
    9. Schmeiser, B. W. and Lal, R. (1982). Bivariate gamma random vectors. Operations Research, 30, 355-374.
    10. Sklar, A. (1959). Fonctions de repartition a n dimensions et leurs marges. Publications de l’Institute de Statistique de l’Universite de Paris, 8, 229-231.
    11. Tsou, T. S. and Chen, C. H. (2008). Comparing several means of dependent populations of count – a parametric robust approach. Statistics in Medicine, 27, 2576-2585.
    12. 陳建宏(民96),相關性資料的有母數強韌推論。國立中央大學統計研究所博士論文。
    13. 戴名祥(民98),用卜瓦松與負二項分配建構非負連續隨機變數平均數之概似函數。國立中央大學統計研究所碩士論文。

    QR CODE
    :::