对数线性模型中若干统计题目的研究.pdfVIP

中文摘要 摘 要 属性数据分析是研究名义数据和有序数据的有效工具。在属性数据分析中，经常用 对数线性模型来拟合列联表；可以用对数线性模型来分析列联表中变量之间的关联性， 这是对数线性模型的一个突出的优点。步散度测度(咖divergence 将西．散度测度应用于各种不同的(回归)模型，其中就包含了多项抽样下的对数线性模 型，定义和研究了最小步散度估计(M≯E)及其性质。最小步散度估计是MLE推广，引 进它的动力是与MLE相比它具有某种稳健性。可以预测，基于对数线性模型的重要性和 咖散度测度这种优良的性质，对这个方向的研究将会持续一段时间。正是因为这一点， 我们将砂．散度测度应用于乘积多项抽样下的对数线性模型，工作可以分成三个主要部 分。 首先，在乘积多项抽样的对数线性模型下，我们定义了最小咖散度估计，研究了这个 估计的性质和基于这个估计的一些检验问题，其中就包含拟合优度检验、嵌套(nested )假设检验和局部对立假设检验。在一定的条件下，得到了最小西一散度估计的渐近展开 和渐近正态性；用这个估计和咖散度测度来构造统计量，用它们做拟合优度检验、嵌套 假设检验和局部对立假设检验，在各自的原假设下，这些统