淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-1107200513385600
中文論文名稱 線性及機率模式中解釋變數有測量誤差時不使用額外訊息的估計方法
英文論文名稱 Estimating methods in linear and probit models with measurement errors and without extra information
校院名稱 淡江大學
系所名稱(中) 數學學系碩士班
系所名稱(英) Department of Mathematics
學年度 93
學期 2
出版年 94
研究生中文姓名 魏鈺方
研究生英文姓名 Yu-Fang Wei
學號 692150625
學位類別 碩士
語文別 中文
口試日期 2005-06-17
論文頁數 38頁
口試委員 指導教授-黃逸輝
委員-廖承茂
委員-伍志祥
中文關鍵字 測量誤差  不可辨認性  線性模式  probit 模式  額外訊息  校正分數函數  不偏估計方程式 
英文關鍵字 measurement error  unidentifiability  linear model  probit model  corrected score  unbiased estimating equation 
學科別分類 學科別自然科學數學
中文摘要 在測量誤差模式中,當解釋變數與測量誤差皆為常態分配時,線性與 probit 模式皆是不可辨認的,因此過去文獻所提出的分析方法幾乎都要求有額外的訊息或假設,以避免模式的不可辨認性方能進行分析。但我們認為模式的不可辨認性應屬少數的特例,在大多數的情形即使沒有額外訊息還是可以發展具有一致性的分析方法。在無額外的訊息之下, 本文提出使用過量參數的估計方法,並從理論上驗證參數何時會具有一致性的估計量。另外電腦的模擬結果也與理論上的期望相吻合。
英文摘要 When measurement errors are present, the linear model and probit model are unidentifiable if the covariate is normally distributed. Thus, one usually requires extra information or assumptions to proceed the analysis. However, we think that the unidentifiability are special cases and will not happen for other distributions of the covariate. When there is no extra information, we propose an overparameterization method to estimate the regression parameters and the variance of the measurement error. We provide a theoretical verification and a conjecture for when the model can be analyzed consistently by the proposed method. A simulation study was conducted and seems to be coincided with the theoretical results.
論文目次 1.緒論 1

2.文獻回顧(傳統上有測量誤差的處理方法) 3
2.1 不可辨認性(unidentifiability)......................3
2.2 傳統上線性模式有測量誤差時的處理方法...............5
2.3 傳統上probit模式有測量誤差時的處理方法.............7

3.無額外訊息下的估計方法 9
3.1 過量參數法概念.....................................9
3.2 當測量誤差變異數未知時,線性模式無額外訊息的估計方法
...................................................10
3.3 當測量誤差變異數未知時,probit模式無額外訊息的估計方法
...................................................13

4.模擬的過程與結果 15
4.1 線性模式的模擬結果.................................15
4.2 probit 模式的模擬結果..............................16
5.結論 18
參考文獻 20
附錄 22
參考文獻 Amemiya and Fuller (1988). Estimation for the Nonlinear
functional Relationship.

The Annals of Statistics, Vol.12, No. 2. pp. 497-509

Bickel P. J. and Doksum K.A. (2001).Mathematical Statistics.Prentice Hall, New Jersey.

Carroll, R.J., Ruppert, D. and Stefanski, L.A. (1995). Measurement Errors in Nonlinear Models.Chapman and Hall, London.

Carroll, R. J., Spiegelman, C. H., Gordon Lan, K. K.,Bailey, K, T. and Abbott, R. D. (1984).
On Errors-in-Variables for Binary Regression Models. Biometrika 71,
19-25.

Cheng C-L. and Van Ness J.W. (1999).Statistical Regression
with Measurement Error.London: Arnold and New York: Oxford University Press. Kendall's Library of Statistics 6

Fuller, W. A. (1987).Measurement Error Models.John wiley and Sons, New York.

Kendall, M.G and Stuart, A.(1979).The Advanced Theory of
Statistics, Charles Griffin: London.

McCullagh P. and Nelder J.A. (1989).Generelized Linear Models, 2nd ed. Chapman Hall.

Nakamura, T. (1990). Corrected Scores Function for Errors-in Variables Models:Methodology and Application to Generalized Linear Models.Biometrika, 77,127-137.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2005-07-13公開。
  • 同意授權瀏覽/列印電子全文服務,於2005-07-13起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信