韩子飞;维克托·德·奥利维拉 地质统计计数数据高斯copula模型的最大似然估计。 (英语) Zbl 07552778号 Commun公司。统计、仿真计算。 49,第8期,1957-1981(2020). 摘要:本文研究了地质统计计数数据高斯copula模型中最大似然估计的计算。这是一项具有计算挑战性的任务,因为似然函数只能表示为高维多元正态积分。回顾了两种先前提出的蒙特卡罗方法,Genz-Bretz和Geweke-Hajivassiliou-Keane模拟器,并研究了一种新的方法。新方法基于所谓的数据克隆该算法使用马尔可夫链蒙特卡罗算法来近似具有计算挑战性可能性的模型中的最大似然估计量及其(渐近)方差。进行了仿真研究,比较了这三种方法的统计和计算效率。研究发现,这三种方法具有相似的统计特性,但Geweke-Hajivassiliou-Keane模拟器所需的计算工作量最小。因此,这是我们推荐的方法。通过对兰辛森林树木数量的数据分析来说明这些方法。 引用于2文件 MSC公司: 60亿10 平稳随机过程 60G60型 随机字段 62立方米 空间过程推断 关键词:数据克隆;高斯随机场;马尔科夫蒙特卡洛;多元正规积分;模拟似然 软件:RcppArmadillo公司;R(右);QSIMVN公司;gcKrig公司;全球气候变化监测 PDF格式BibTeX公司 XML格式引用 \textit{Z.Han}和\textit{V.De Oliveira},Commun。统计、仿真计算。第49号,第8号,1957年-1981年(2020年;兹bl 07552778) 全文: 内政部 链接 参考文献: [1] Bai,Y。;Kang,J。;Song,P.-X.,空间聚类数据的有效成对复合似然估计,生物统计学,70,3,661-70(2014)·Zbl 1299.62048号 [2] Baghishani,H。;H街。;Mohammadzadeh,M.,《关于混合数据克隆方法及其在广义线性混合模型中的应用》,《统计与计算》,22,2,597-613(2012)·Zbl 1322.62194号 [3] 巴格沙尼,H。;Mohammadzadeh,M.,空间广义线性混合模型中计算最大似然估计的数据克隆算法,计算统计与数据分析,55,4,1748-59(2011)·Zbl 1328.65020号 [4] 卡梅隆。;Trivedi,P.K.,计数数据的回归分析(2013),剑桥:剑桥大学出版社,剑桥·Zbl 1301.62003号 [5] Christensen,O.F。;Roberts,G.O。;Sköld,M.,空间广义线性混合模型的鲁棒马尔可夫链蒙特卡罗方法,计算与图形统计学杂志,15,1,1-17(2006) [6] De Oliveira,V.,空间计数数据的层次Poisson模型,多元分析杂志,122,393-408(2013)·Zbl 1354.60036号 [7] Diggle,P.J。;Tawn,J.A。;Moyeed,R.A.,基于模型的地质统计学(含讨论),《皇家统计学会杂志:C辑(应用统计学)》,47,3,299-326(2002)·Zbl 0904.62119号 [8] Eddelbuettel博士。;Sanderson,C.,RcppArmadillo:用高性能C++线性代数加速R,计算统计与数据分析,71,1054-63(2014)·Zbl 1471.62055号 [9] Genz,A.,多元正态概率的数值计算,计算与图形统计杂志,1,2,141-9(1992) [10] Genz,A。;Bretz,F.,《多元正态概率和t概率的计算》(2009),柏林:施普林格出版社,柏林·Zbl 1204.62088号 [11] Genz,A。;Bretz,F.,多元t-概率计算方法的比较,计算与图形统计杂志,11,4,950-71(2002) [12] Geweke,J.1991年。根据线性约束下的多元正态分布和学生t分布进行有效模拟。计算机科学与统计:第二十三届界面研讨会论文集,571-578。 [13] Haario,H。;Saksman,E。;Tamminen,J.,《随机行走都市算法的自适应建议分布》,计算统计学,14,3,375-95(1999)·Zbl 0941.62036号 [14] 哈吉瓦西里奥,V。;麦克法登,D。;Ruud,P.,《多元正态矩形概率及其导数的模拟:理论和计算结果》,《计量经济学杂志》,72,1-2,85-134(1996)·Zbl 0849.62064号 [15] 韩,Z。;De Oliveira,V.,gcKrig:使用高斯Copula分析地质统计计数数据的R包,《统计软件杂志》(2018) [16] 韩,Z。;De Oliveira,V.,《关于地质统计计数数据的高斯copula模型的相关结构》,《澳大利亚和新西兰统计杂志》,58,1,47-69(2016)·Zbl 1373.62560号 [17] 欧文,K。;Gitelman,A.I。;Hoeting,J.A.,《空间设计和空间相关性的特性:对协方差估计的影响》,《农业、生物和环境统计杂志》,12,4,450-69(2007)·Zbl 1306.62296号 [18] Hickernell,F.J.,广义差异和正交误差界,美国数学学会计算数学,672221299-322(1998)·Zbl 0889.41025号 [19] Kazianka,H.,基于近似连接的离散空间数据估计和预测,《随机环境研究和风险评估》,第27、8、2015-26页(2013年) [20] 卡齐安卡,H。;Pilz,J.,《基于Copula的连续和离散数据(包括协变量)地质统计建模》,《随机环境研究和风险评估》,24,5,661-73(2010)·Zbl 1416.86025号 [21] Keane,M.P.,面板数据的计算实用模拟估计器,《计量经济学》,62,1,95-116(1994)·Zbl 0788.62100号 [22] Knaus,J.(2015) [23] 勒尔,S.R。;Nadeem,K。;Schmuland,B.,使用数据克隆的广义线性混合模型的可估性和似然推断,美国统计协会杂志,105,492,1617-25(2010)·Zbl 1388.62220号 [24] Lele,S.R。;丹尼斯,B。;Lutscher,F.,《数据克隆:使用贝叶斯-马尔可夫链蒙特卡罗方法对复杂生态模型进行简单的最大似然估计》,《生态学快报》,10,7,551-63(2007) [25] Madsen,L.,空间相关离散数据回归参数的最大似然估计,农业、生物和环境统计杂志,14,4,375-91(2009)·Zbl 1306.62310号 [26] Madsen,L。;Fang,Y.,离散纵向数据的联合回归分析,生物统计学,67,3,1171-6(2011)·Zbl 1226.62055号 [27] Masarotto,G。;Varin,C.,R中的高斯copula回归,《统计软件杂志》,77,8,1-26(2017) [28] Masarotto,G。;Varin,C.,高斯copula边际回归,《电子统计杂志》,61517-49(2012)·Zbl 1336.62152号 [29] 米克尔,W.Q。;Escobar,L.A.,基于最大似然估计的近似置信区教学,《美国统计学家》,49,1,48-53(1995) [30] Nikoloulopoulos,A.K.,具有离散空间响应的高维多元正态copula模型的有效估计,随机环境研究和风险评估,30,2,493-505(2016) [31] Nikoloulopoulos,A.K.,《关于使用连续扩展和模拟似然估计正态copula离散回归模型》,《统计规划与推断杂志》,143,11,1923-37(2013)·Zbl 1279.62116号 [32] Ponciano,J.M。;Taper,M.L。;丹尼斯,B。;Lele,S.R.,生态学中的层次模型:置信区间、假设检验和使用数据克隆的模型选择,生态学,90,23556-62(2009) [33] 斯隆,I.H。;Kachoyan,P.J.,《多重积分的格点方法:理论、误差分析和示例》,SIAM数值分析杂志,24,1,116-28(1987)·Zbl 0629.65020号 [34] Song,P.X.,由高斯copula生成的多元离散模型,斯堪的纳维亚统计杂志,27,2,305-20(2000)·兹比尔0955.62054 [35] Thompson,E.A.,遗传作图中的蒙特卡罗可能性,统计科学,9,3,355-66(1994) [36] Torabi,M.,空间广义线性混合模型的似然推断,统计中的通信——模拟和计算,44,7,1692-701(2015)·兹比尔1327.62080 [37] 瓦林,C。;N.里德。;Firth,D.,《复合似然法概述》,《中国统计》,2011年第21期,第5-42页·Zbl 05849508号 [38] Walker,A.M.,《关于后验分布的渐近行为》,《皇家统计学会杂志》B期,第31期,第80-8页(1969年)·Zbl 0176.48901号 [39] Zhao,Y。;Joe,H.,多元数据分析中的复合似然估计,加拿大统计杂志,33,3,335-56(2005)·Zbl 1077.62045号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。