GLM广义线性模型的推导与应用.docVIP

GLM广义线性模型的推导与应用 广义线模型性LMG 线 性归模型 回?古 的线性典归模型回 ： Y ?? ??X ?为?随误差项机一般，假设为均零值、差方同为2 ?为、 相互独立的正态随且机向。 ?量 u 为变量均值因一般解，为响应变释量性线和的 式： 形u? ? X ? ?待为估线的组性参合 ?数 标目函：数估即参数计的标，目是或差偏最，小 是无或偏小方最等差，等在一此般采的是用最 小乘二和大极然似。? ? 小最乘：即使得二变因量真的y值与拟值合 X? 间 距离最 。小? 矩阵求导基本 式：公dY A?Td dY YX? XA ?? Ad Xd Y ? XYA?T ?Ad Y X? XA? 2y? X ? ? ( y ? ? XT)( y ?X ? ) ? yTy ? TyX ?? ? TXT y ? T? XTX ? ?? 对求导得：到T TT T T T ?X y ? X ?yX X? ? X ?X? ?(2X y ? XX ） ? 使之?零便为到最小可二乘计估 ：? ?(X X )Xy T ? 1T ? 极?大然 ? 似于单个对的变因 量i ?yxi 1? ? x1 2 ? i ?2. . ? xi.p? p ??i ? 是都同方差正的随态变量，机因可以此容的易 得整体到对的似然函数数： n1 niy ? yi2 l(? , ?) ? n? ln ? l? n? ? ? ( )2 22 i ?1 ? 2 ?n ? 2 (y y?) 然想要显最化似然大值只需，最小化? ii i 1 ?? ? 即可，这也 是正前最面小乘中二距离的故此， 极大似处也然最小乘是二价的。 等 ?估 的计质 性 协方差– ： ?1TT T ? 1 ET[ ? ] ? E [( XX ) Xy] ? (X X X) E[y ] ? ?–无 偏性 ：? co ( v ) ? ? X( T ) ?1XX T cvo(y )( X [ TX ?1)X T T] ?? 2 ( X T X) ? 1 T 2?1 ?~N (? , ?( X X ) )–因 ?此 ? ? 基 的本检：验帽子阵矩 H?? ? T ? 1 y T X ? ? ? X X( X X)y Hy? ? H阵的性 ：质对而且称幂是定 的 nH? H ? 考拟合的残差： 虑 ? ? y? ?y( ?IH ) ??V ar( ? ?)? 2 ( I ?H )? 因 此阵的对角元H都是~01，的且由并于定阵的幂一 性质 个ran k( H ? )rate(c )H， 对即元角加相P为。由 可以期望每此一个测观值其预对测值的贡献 大度为约/nP，对过于的贡献大度则可以为认存在 其常异。 ? ?? ? 加 权最的二乘：小源于各来 ? 个i的异方 差情形，自然而 ，言对方于越差的小，们我可认以为精 度较其高在，拟的时合自候然考增加虑其重比，反之亦然 。2 arV( ? ) ?? / w ，于i考是作虑下变换 如?假 设 i y**i ? w iiy ,x ji ?wixi j , i* ?? iw ?i ? 得 到：* i*y? xi *1? 1 x?i* ?22 ?.. . ? xp i?p ? i*? ? 再 前面的最小由二法可乘得： ? ? X *(T X *?)1X * T y*? ( XTWX) ? 1 TWX y? 其中数权矩阵： ?为w1 1 ? W?? ?0 ? ?和面前一样有也 *? ? * 0 ? ? ? wnn ? ? ? N (~? , ? 2 (X WXT ?) )1 ? 古 线典模型性不的足– 正 性假态设实践在并不中足满– 保险践实中因变量往往，为负非比如赔款，次数和 量，这点数正态在假性也无法满足 – 设方同差假的设 – 解变量释只通过加能对因变法产生影量 响 广线义模性型本理论基? 较之前面的 般一线模性，型广线义性型模要主 作两了个方的面拓展 ： 首先–是因变量再只是正态分不，而布是大为指数分夸 族布中任的一分 – 布释变量的解线组性不合再接直于用解释因变的量均值， 而u通是过个一连接数g来解释g(u函)这里,要求接函连数单 可调 导 可以?出看广义，性线型模在是古模典型的上个一 推的 广 ? 数分指族布 yii?? b( ?i) f (y i; i ? ?, ? e)x{ ? c( yip, ? )}a (?) ? 其中a,b ,c为均知已函，他们数所有的观测对有 值同的形式相，且足以下满条件 –a( ?) 大零于，连续通，形式常为w 其，中为w知先已 验重权 –b (? i) 二导数阶在且大于零存– c y( i, ? 与)数?i 无关 参 ? 指数?布族的分值与均差 方均值：密在度数函两对?i 求导，边得到 i ?y b’ ? ( )i fd f?