张伟平
- 作品数：13 被引量：29H指数：3
- 供职机构：中国科学技术大学管理学院统计与金融系更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金中国科学院知识创新工程更多>>
- 相关领域：理学更多>>
- 单向分类随机效应模型中方差分量的渐近最优经验Bayes估计被引量：6
- 2005年
- 本文在加权平方损失下导出了单向分类随机效应模型中方差分量的Bayes估计, 利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,证明了 EB估计的渐近最优性.文末还给出了一个例子说明了符合定理条件的先验分布是存在 的.
- 张伟平韦来生
- 关键词：方差分量渐近最优性经验BAYES估计随机效应模型核估计
- 一种离散纵向数据相依结构建模的Cholesky因子模型被引量：2
- 2020年
- 对一类响应变量为离散型的平衡或非平衡纵向数据,提出了均值-相关系数联合回归模型框架,并且使用Cholesky分解方法对模型的相关结构进行参数化,使其具有良好的统计解释性.为了解决似然推断中高维积分计算的难题,提出了一种高效的蒙特卡罗期望最大化(MCEM)算法,并证明了参数估计的渐近性质.模拟实验和实际数据分析表明提出的方法是高度有效的.
- 李叶蓁张伟平
- 关键词：CHOLESKY分解
- 高维Extremile回归中变量选择的类弹性网惩罚方法
- 2023年
- 近几年提出的Extremile回归不仅保留了分位数回归通过设定不同的分位点全面掌握数据信息的优点,而且与分位数回归中和Expectile回归相比也有其独特的优势,特别是在风险保护上的优秀表现。本文提出了一种带惩罚的线性Extremile回归模型用以解决高维数据下的变量选择问题,其中惩罚函数是由和惩罚函数组合得到的类弹性网(QEN)惩罚函数,同时给出了解决相关优化问题的EM算法,以及在较为宽松条件下即能成立相关理论性质。在数值模拟中,我们通过与L_(0),L_(1),L_(2)和弹性网惩罚函数的比较,展示了类弹性网惩罚函数。
- 熊亦民郑智张伟平
- 关键词：高维数据
- 带有右删失的最小乘积相对误差估计被引量：1
- 2017年
- 考虑了带有右删失的乘积回归模型.在随机右删失的情形下,通过逆概率加权的方法将乘积相对误差准则推广到右删失的情形.在一定的正则条件下,建立了估计的相合性和渐近正态性.最后,通过数值模拟展示所提出方法的效果.
- 胡大海张伟平
- 纵向数据下变系数模型的一种稳健同质寻踪算法
- 2021年
- 探讨了变系数模型中参系数函数的同质性,其中同一个子群中的个体的系数函数是相同的.在重复观测的条件下,我们用B样条来拟合变系数模型的系数函数,同时用变点检测的方法来进行子群识别.为了解释可能的异常值或重尾分布,我们在M估计的框架下拟合系数函数,在本文中以绝对值(LAD)损失为例.模拟数据表明,当模拟数据集存在异常值或参数函数为重尾分布时,我们的估计方法优于常用的最小二乘(LS)估计.
- 汤恒郑智张伟平
- 关键词：变系数模型M估计B样条
- 错误先验假定下Bayes线性无偏估计的稳健性被引量：8
- 2007年
- 本文基于错误的先验假定获得了一般线性模型下可估函数的Bayes线性无偏估计(BLUE),证明了在均方误差矩阵(MSEM)准则和后验Pitman Closeness(PPC)准则下BLUE相对于最小二乘估计(LSE)的优良性,并导出了它们的相对效率的界,从而获得BLUE的稳健性．
- 张伟平韦来生
- 关键词：最小二乘估计相对效率稳健性
- 一类线性模型参数的Bayes估计及其优良性被引量：15
- 2007年
- 导出了一类线性模型中参数的Bayes线性无偏估计.在均方误差矩阵准则、predictive Pit mancloseness(PRPC)和posterior Pit man closeness(PPC)准则下分别研究了Bayes线性无偏估计相对于广义最小二乘估计的优良性.
- 霍涉云张伟平韦来生
- 关键词：广义最小二乘估计
- 线性模型中Bayes分析若干问题研究
- 本文研究了线性模型中参数的Bayes线性无偏估计(BayesLUE)和参数型经验Bayes(PEB)估计的构造方法及其性质。
对一般的Gauss-Markov线性模型，我们获得了参数及其可估函数的BayesLUE，...
- 张伟平
- 关键词：线性无偏估计
- 文献传递
- 纵向数据中基于偏自相关的均值协方差同时建模（英文）
- 2015年
- 本文在纵向数据下提出一种均值-方差-相关矩阵的同时建模推断方法.通过应用偏相关系数,我们对相关系数矩阵进行无约束参数化,并且能够自动保证估计的相关系数矩阵满足正定性.在此基础上,我们对参数提出了一种回归推断方法,其具有简约性、可解释性和灵活性特点.实际数据分析和模拟研究表明了所提方法是有效的.
- 张伟平刘玉婷李瑞超
- 当前状态数据中比例风险模型的一种贝叶斯变量选择方法
- 2020年
- 针对当前状态数据中的比例风险模型提出了一种基于期望-最大化的贝叶斯变量选择方法.该模型能够同时进行参数估计和变量选择,有效地增强了模型的可解释性和预测能力.为了识别风险因素,首先对表示协变量是否存在的指示变量赋予合适的先验分布,使用单调样条来近似基准累积风险函数;然后通过使用基于泊松隐变量的两阶段数据扩充技术提出了一种有效的期望-最大化对模型拟合算法;最后通过模拟研究和一个实例分析证明了所提方法的有效性.
- 崔笛张伟平
- 关键词：EM算法
