具有随机缺失响应变量的广义半参数模型

本文在响应变量随机缺失条件下,研究了广义半参数模型的拟似然估计方法,给出了缺失数据下的未知参数与非参数回归函数的拟似然估计,进一步求出了估计的渐近偏差和渐近方差,并证明了所给出的拟似然估计具有渐近正态性。     

广义线性模型的大样本理论及其研究进展

系统介绍广义线性模型的研究概况和最新进展,主要包括广义线性模型的极大似然估计理论和拟似然估计理论、广义线性模型在复杂数据中的应用以及广义线性模型的经验似然和变量选择问题。并指出了广义线性模型将会在高维数据的理论和应用研究方面有所发展。     

高维广义线性模型的拟似然自适应Lasso估计

利用惩罚拟似然方法,讨论高维广义线性模型的拟似然自适应Lasso估计。该方法能同时进行变量选择和参数估计。在适当的条件下,证明了所得估计的相合性和Oracle性质,并利用数据模拟和实例分析说明了所提方法的优良性质。     

响应变量缺失下线性模型的模型平均

研究响应变量随机缺失下线性模型的模型平均问题.首先利用拟似然估计给出倾向得分函数的未知参数的估计,基于扩张的逆概率加权和最小二乘方法给出了每个子模型回归系数的相合估计,并且证明了子模型的回归系数的估计量具有渐近正态性.然后建立了局部误设定框架下模型的FIC准则,计算了频率模型平均估计,给出了频率模型平均估计量的渐近性质及其证明.     

随机缺失下半参数回归模型的最大经验似然估计

考虑了随机缺失数据下非线性回归模型的估计问题,利用最大经验似然估计的方法给出了回归系数、光滑函数的最大经验似然估计,并在一定条件下证明了所得估计量的渐近正态性和强相合性。     

广义线性模型中不完全数据的参数估计

讨论了广义线性模型类中离散协变量和离散响应变量数据不完全时,参数极大似然估计的EM算法,文中给出了参数估计的具体表达式和估计的渐进协方差.最后,通过随机模拟说明EM算法的优良性.     

一类非线性AR模型的拟极大似然估计

研究了具有GARCH误差的非线性的AR模型的拟极大似然估计.在一定条件下证明了拟极大似然估计的强相合性,其结果更具有一般性.最后将此结果应用到一类具有GARCH误差的线性AR模型上.     

广义线性模型的M-估计

用M-估计来估计广义线性模型中的未知参数β.首先,在一定的假设条件下,根据已有的对广义线性模型中未知参数β的极大似然估计方法,应用大数定律及鞅中心极限定理,证明了广义线性模型的M-估计的两个重要性质,印相合性及渐近正态性.其次,将固定设计的思想引入M-估计,并与广义线性模型相结合,证明了其相合性及渐近正态性.最后通过数...     

一类双线性模型的参数估计

给出了一个ARCH型一阶双线性模型,利用随机过程的马尔科夫链,研究这种模型的严平稳遍历性和矩的存在性,结果表明这种模型存在唯一的严平稳解,并且这个解是几何遍历的,它的某一阶绝对矩存在. 基于此模型的参数估计, 提出该模型的拟极大似然估计, 运用Amemiya的相关定理, 研究拟极大似然估计的性质. 在一定的条件下, 得到了该拟极大似然估计具有相合性和渐近正态性.     

浅论“广义”最大似然估计

我们常常会遇到最大似然估计不存在的情况,这种情况以在非正态回归模型中最为典型。当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然估计的定义,讨论了广义最大似然估计的性质,探讨了利用射影变换求广义最大似然估计的方法。     

INARS(p)模型的拟似然统计推断

用拟似然方法对p阶基于符号伯努利稀疏算子的整值时间序列模型参数进行估计,得出了参数修正的拟似然估计因子以及该估计因子的极限分布(可以用此极限分布对模型参数进行假设检验等统计分析),并通过数值模拟,将修正的拟似然估计与条件最小二乘估计进行了比较,结果表明,修正的拟似然估计在一定条件下明显优于条件最小二乘估计.     

多维广义线性模型拟似然估计的渐近正态性

对多维自适应设计广义线性模型中形如sum from i=1 to n xi(yi-μ(x′iβ))=0的拟似然方程,在limn→∞■~(3/4)/■=0和其他一些正则性的假定之下,论文证明了上述拟似然方程的解,即极大拟似然估计的渐近正态性,此结果推广和改善了文[4]中的相关结果,其中■和■分别为sum from i=1 to n xix′i的最小特征根和最大特征根,x是有界的p×q阶设计矩阵.     

观测资料不全的线性模型参数估计的渐近性质

本文在较一般条件下给出了规测资料不全,具有AR(1)扰动项的回归模型参数估计的渐近性质,说明它们保持了资料齐全时相应性质,文中还给出了求参数估计的具体公式。     

缺失数据p-范分布的极大似然估计

讨论了具有部分缺失数据p-范分布总体的未知参数σ的极大似然估计,证明了估计量的强相合性和渐近正态性。     

协变量缺失下基于诱导光滑方法的加权分位数回归

在部分协变量随机缺失机制下的分位数回归模型中, 提出回归参数的诱导光滑加权估计及其渐近协方差估计, 证明了诱导光滑加权估计和经验似然加权估计有相同的渐近协方差, 且诱导光滑加权估计的渐近协方差估计也是相合的, 并给出了诱导光滑加权估计及其渐近协方差估计的高效算法. 模拟结果表明, 新方法在有限样本下表现优良.     

缺失数据下线性EV模型的稳健参数估计

给出了多元线性EV模型下协变量具有随机缺失(MAR)时参数的稳健估计方法,并证明了估计的渐近正态性.模拟研究表明估计量在有限样本下具有很好的效果.     

NEAR (p) 模型的参数估计

分别用条件最小二乘、 加权条件最小二乘和最大拟似然方法估计了平稳的NEAR(p)模型的参数. 并讨论了这些估计量的渐近性质. 通过数值模拟发现, 当参数真值较小时, 最大拟似然方法的估计效果较好； 当参数真值较大时, 加权条件最小二乘方法的估计效果较好.     

自适应设计广义线性回归多维拟似然估计的渐近正态性

文章研究了自适应设计广义线性回归的拟似然方程,在适当条件下,其解^βn具有渐近正态性质。     

缺失数据下的线性泛函的半参数降维推断

针对缺失数据下线性泛函估计中存在的非参数高维问题和模型参数化后的稳健性问题,提出了线性泛函估计的半参数降维推断方法,通过非参数函数估计来插补线性泛函,井用参数工作函数来降维.所得半参数降维估计具有双稳健的特点,即只要选择概率函数正确参数化或者降维插补指标可以修复线性函数的条件期望,所得估计就是相合的,而且二者都满足时,估计达到最优.