简介:为了改进用于分析大量影响因素的交通事故模型,采用基于马尔可夫链蒙特卡罗法和吉布斯抽样的条件自回归负二项模型来拟合过度散布性(由负二项过程拟合)、未观察异质性和空间相关性(由条件自回归过程拟合).统计检验显示,由于具有更小的预测误差和更强的参数估计,条件自回归负二项模型优于条件自回归泊松模型、负二项模型、零膨胀泊松模型和零膨胀负二项模型.研究结果表明,交通事故率和死亡人数与车道数、曲线长度、车道年平均日交通量和降雨量成正比.最大限速和最近医院距离与交通事故次数成反比,而与死亡事故次数成正比,这可能是由于过高的速度会引发更严重的事故以及救援伤者时丧失较长时间.
简介:从多元线性回归模型的参数检验问题出发,结合带线性约束条件的多元线性回归模型的参数估计问题,通过建立虚拟变量回归模型,推导出单因素方差分析问题的检验方法,从而对方差分析的方差分解方法的理论依据作出了简单合理的解释。
简介:研究了一类用于时间序列建模的混合自回归滑动平均模型,该模型是由m个ARMA分量经过混合得到的,给出了混合自回归滑动平均模型参数估计的期望极大化(EM)算法,从而得到了混合系数和分量模型的参数,通过仿真说明了其有效性。