广义线性模型方法在森林火灾问题中的应用.pdfVIP

广义线性模型方法在森林火灾问题中的应用 第一章综述 §1．1广义线性模型 广义线性模型(GenemalizedLinearModel，简记GLM)的一般理论，首先由Nelder 和Wedderbum[1]提出，GLM是正态线性模型的直接推广。它可直接适用于连续数据和离 散数据，特别是后者，如属性数据，计数数据。实际应用方面，在生物医学，经济和社会 科学领域的数据分析上有重要意义。GLM的某些特殊类型及其应用早在GLM理论得到发 and 出了GLM这个名称。McCullagh 这方面较完备的专著。 广义线性模型的定义： 线性模型的定义，以X和Y分别记自变量和园变量，x可以是多维而Y是～维。假 设共进行了n次观察，N／z,第i次取值为(x。，M)。线性模型的假定包括两个方面： 1．记“=E(r)，NIX,=《∥，f=1，2，…，一．此处F=(‘。…气)，∥=(届…岛)’． 2．有关(I，…，K)的分布有一些要求：如I，…，‘有等方差t两两不相关。 一般要求X，…，K相互独立，I～N(x。1p，盯2)，f=1,2，…，H． 所谓“广义线性模型”，是线性模型的推广，其基本假定是在上述两条假定基础上的推 广： 1．存在一个严格增加的可微函数g，使得 确=g(ix：)=x≯，∥．=E(I)，i=l，2，·， 2．I，．．，K独立，Z的分布，(”，口，庐)属于指数型分布。 GLM产生的实际背景如下：首先在实际应用上常常遇到因变量为属性变量的情形， 即只取值0或1，或者因变量为分类变量，即只取有限个整数值。在这里Y是定性数据而 不是定量数据。这时E(Y)的值总是落在一个有限的区域内，它不同于X的一个线性函数 x；p，后者的取值范围在(一00，+。。)之间。对于这种情况直接做线性模型显然不合适。以属 性数据为例，如果引进一个适当的严格增函数g，把(o，1)区间变换到(一。0，+∞)．而记 E(Y)=p，则g(p)可取(一。0，+c。)内的任何值，从而可以表达成l∥的形式。 联系函数通常取下面几种形式之一： 1．109it：g(P)=log(p／(1一p))， 2．probit：g(P)=巾。(p)，中为Ⅳ(o，1)的分布函数， 3 log一109：g(P)=log(一log(1一p)) 一 ￡墨塑璧塑型互堡壅查堡坐壅塑墅!堂垦旦 指数型分布的形式为： ／(少，目，妒)=exp{(yo一6(护))／臼(≯)+c(y，矿)} 其中d(矿)通常为d(≯)=OIp的形式，P为给定的常数，常取p=1。 若LvY服从指数型分布(1】)，易见 即)一掣 (1：) ％r(j，)=可d2b(矿O)。(≠) (13) 此处百db(O)和掣州咖，舯：阶撒 鼬肼函数警db为目的严格增连续溅把∥=掣的反酬a她即 日=g(u1，则称g为自然联系函数。 极大似然估计：将(1．1)式中的口用E(v)=∥=x’∥代入，容易求出其似然函数，导出 似然方程，但此似然方程无显式解，∥的极大似然估计通过迭代计算求得。 andHilbe 关于广义线性模型的文献还包括Fabrmeir[5]、16]，Hardin 177，陈希孺[8】、 [9]等，都对广义线性模型作了系统的介绍。 §1,2Logistic回归 一．定义 P(Y=0)=1-P，故Y的分布为 =exp{yO-b(e)1 (1．4) 它是指数型分布(11)的形式，其中0=log(p／(1一p))=占(p)为自然联系函数， 影响Y的取值，称 (1．5) g(P)=log(p／(1一p))=岛+届x。+··-+成h 为log