第1章 引言 1
1.1 背景与模型综述 1
1.2 文献综述 5
1.3 本书意义 11
1.4 内容简介 13
第2章 广义Gamma分布簇广义线性混合模型的构建 19
2.1 广义Gamma分布及其与指数分布簇的关系 19
2.2 似然函数和连接函数的构建 21
2.3 广义Gamma分布簇广义线性混合模型的构建 25
第3章 参数估计 31
3.1 似然函数的构建 31
3.2 参数估计 36
3.3 编程实现 54
第4章 其他模型推断 59
4.1 预测函数及方差估计 59
4.2 偏差及拟合优度检验 60
4.3 Wald统计量和F统计量 62
4.4 固定效应的检验 63
4.5 随机效应的检验 64
第5章 其他进阶讨论 67
5.1 负响应变量观测值问题 67
5.2 广义Gamma分布簇线性混合模型得分检验 69
5.3 Gamma分布线性混合模型的得分检验 71
5.4 Weibull分布线性混合模型的得分检验 72
5.5 指数分布线性混合模型的得分检验 73
5.6 半参数广义Gamma分布簇广义线性混合模型 75
5.7 与数据挖掘工具的联系 77
5.8 删失与打结问题 81
5.9 模型推广 82
第6章 实例分析 85
6.1 数据简要介绍 85
6.2 模型拟合结果 90
6.3 得分检验 90
6.4 恢复曲线 91
6.5 总结 98
第7章 在精算科学中的扩展与应用 99
7.1 广义线性混合模型框架下的信度模型分析 99
7.2 一般线性混合模型下的信度分析扩展 109
7.3 基于操作时间和广义线性混合模型的准备金评估技术研究 120
附录 133
参考文献 137
致谢 157
后记 158