响应变量缺失下变系数模型的分位数回归

针对响应变量随机缺失情况下变系数分位数回归模型的非参数估计问题,提出了将B样条和逆概率加权相结合的估计方法。缺失数据在统计工作中难免会遇到,首先用logistic模型产生响应变量的缺失概率,然后对变系数模型的系数函数采用B样条逼近技术,利用缺失概率构建逆概率加权分位数回归的损失函数,得到模型的未知系数函数估计;在模拟研究中,将得到的估计与直接使用完全数据的估计方法进行对比,发现在响应变量随机缺失下,将B样条和逆概率加权相结合的变系数模型分位数回归在有限样本情况下表现良好,模拟研究结果表明该方法有效;最后将所研究的方法运用到挪威公共道路管理局收集的奥斯陆地区相关数据中,研究了空气中二氧化氮浓度与道路车流量和风速之间的关系,得出合理的结论,进一步证明了该方法的合理性。     

协变量缺失下线性EV模型中参数的经验似然推断

考虑协变量缺失下线性EV模型中参数的经验似然推断问题,利用逆概率加权的方法构造未知参数的估计函数.在一定条件下,证明了构造的估计函数其经验似然比趋于一个标准的卡方分布.利用这个结果可以构造参数的置信域.     

协变量缺失下变系数部分非线性模型的统计推断

本文研究协变量缺失下变系数部分非线性模型的统计推断.利用逆概率加权最小二乘方法给出了参数分量和非参数分量的估计,并证明了它们的渐近正态性.     

协变量缺失下线性模型中参数的经验似然推断

考虑协变量缺失下线性模型中兴趣参数的经验似然推断,利用逆概率加权的方法构造未知参数的估计函数。在一定条件下,证明了基于本文构造的估计函数的经验对数似然比趋于一个标准的卡方分布,利用这个结果可以构造参数的置信域。最后,通过数值模拟,进一步验证了结论的正确性。     

响应变量缺失时纵向数据下变系数部分线性测量误差模型的经验似然推断

将经验似然方法应用于响应变量缺失时纵向数据下变系数部分线性测量模型中兴趣参数置信域,构造了关于参数分量纠衰的分块经验对数似然比函数,进而推导出参数分量纠衰的分块经验似然比统计量及其渐近分布。数据模拟结果表明所提出的经验似然方法在置信区间长度和覆盖率方面要优于正态逼近方法。     

含内生协变量的泊松回归模型的经验似然推断

在模型的协变量为内生性协变量的情况下,考虑泊松回归模型的经验似然统计推断问题。通过结合一些辅助变量信息作为工具变量,提出一个基于工具变量的经验似然统计推断过程。数据模拟表明构造的经验对数似然比函数渐近服从标准卡方分布,进而给出了回归系数的置信域。并且模拟结果表明所提出的统计推断方法可以有效地消除协变量的内生性对估计精度的影响。     

响应变量随机缺失下广义线性模型的经验似然

研究响应变量随机缺失下广义线性模型的经验似然推断。首先构造未知参数的经验似然比函数,并证明其渐近分布为卡方分布;其次得到参数的若干估计量并得到了其渐近分布,研究结果可以直接构造参数的置信区间或置信域;最后利用模拟计算验证所提方法的优良性质。     

数据缺失下线性EV模型响应变量均值的经验似然置信区间

考虑了响应变量随机缺失情形下的线性EV模型,构造了响应变量均值的两种经验对数似然比统计量,即估计的经验对数似然比统计量和调整的经验对数似然比统计量,证明了所构造的经验似然比统计量渐近于χ2分布,所得结果可以用来构造置信区间.     

函数系数部分线性回归模型的变量选择方法

函数系数部分线性回归模型是变系数模型中的一种特殊情形,文章对这种新的变系数模型的变量选择问题进行了主要研究．首先,运用局部多项式方法得到非参数项的估计,并且使用B样条逼近函数系数,选取SCAD惩罚作为变量选择方法．其次,得到了估计的渐近性质．最后,模拟说明了该估计方法较好地达到了变量选择的目的．     

响应缺失的部分函数型EV回归模型的统计推断

针对响应变量随机缺失且解释变量带有测量误差的部分函数型线性回归模型,讨论了模型中未知参数和未知系数函数的估计问题及其渐近性质;先通过一定方法对缺失数据和带有测量误差的数据进行处理,然后将模型转化为一般的函数型线性回归模型,再利用Karhumen-Loevez展开和主成分分析法给出模型的经验形式,最后运用经典的多元统计分析极小化目标函数得到相应未知量的最小二乘估计,并在一定的条件下给出了参数估计量的渐近正态性和斜率函数估计量的收敛速度;从而说明给出的估计量是有效估计,完全观测下的函数型数据统计推断方法可以被推广到不完全观测的情形。     

分数填补下线性模型响应变量差异的经验似然置信区间

在一定条件下证明了缺失数据情形基于分数填补方法得到的线性模型响应变量一般差异指标的经验似然比统计量的渐近分布为加权χ2(1),由此可构造差异指标的经验似然置信区间.     

纵向缺失数据下高维部分线性回归模型的变量选择

针对纵向单调缺失数据下高维部分线性回归模型的变量选择,提出了逆概率加权光滑阈估计方程变量选择方法,其中非参数分量使用样条估计.在适当正则条件下,证明了该变量选择方法具有Oracle性质,并通过模拟研究验证了所提出方法的有限样本性质.     

协变量缺失下变系数模型基于经验似然的加权分位数回归

在部分协变量随机缺失的变系数分位数回归模型中,提出回归参数的逆概率加权估计和基于经验似然的加权估计,并讨论了这两种估计的大样本性质.从渐近方差可见,基于经验似然的加权估计效率高于逆概率加权估计.     

响应变量缺失情形下非线性EV模型的估计

考虑了响应变量随机缺失情形下的非线性EV模型.通过利用核实数据,构造了响应变量均值θ的调整的经验对数似然比统计量.证明了所构造的经验对数似然比统计量渐近于标准χ2分布,所得结果可以用来构造未知参数的大样本置信区间.     

截断情况下回归函数的经验似然推断

讨论在数据截断情况下回归函数的经验似然比置信区间的统计推断．其中，响应变量的估计采用class k估计，响应随机变量和删失随机变量的分布函数用其对应的K-M函数替代，得到调整的对数似然比统计量渐近x1^2分布的结果．     

变系数模型的变量选择及在股票数据中的应用

作者研究了纵向数据分析中变系数模型的变量选择及效应估计问题,该模型允许变量的效应随时间改变.本文方法在进行变量选择的同时,也估计变系数函数,避免了传统的变量选择方法极其复杂的计算.将本文方法用于股票价格分析,能够快速地在公司的众多财务变量中挑选出对股票收益率有显著影响的变量,并估计这些变量的时变效应,很好地解释股票收益率的变化.     

变系数模型的变量选择及在股票数据中的应用

本文研究纵向数据分析中变系数模型的变量选择及效应估计问题。模型允许变量的效应随时间改变。本文方法在进行变量选择的同时,也估计变系数函数,避免了传统的变量选择方法极其复杂的计算。将本文方法用于股票价格分析,能够快速地在众多公司财务变量中挑选出对股票收益率有显著影响的变量,并估计了这些变量的时变效应,很好的解释了股票收益率的变化。     

部分函数型EV回归模型的经验似然推断①

针对解释变量带有测量误差的部分函数型线性回归模型,引入一个合适辅助向量,构造出未知参数的经验对数似然比函数,给出了未知参数和未知系数的极大经验似然估计。进一步证明了所构造似然比函数具有渐近卡方分布,并基于此构造了未知参数的渐近置信域。同时,也证明了给出的未知参数的估计与最小二乘估计一样具有渐近正态性。最后给出系数函数的收敛速度,达到了最优收敛速度。讨论的结果说明经验似然方法对部分函数型EV回归模型的统计推断是有效的。     

基于众数回归的变系数模型统一变量选择

研究了众数回归下变系数模型的统一变量选择问题.利用B样条基函数近似非参数部分,在众数回归下建立SCAD惩罚函数同时选择变系数模型中的重要变量并且识别具有常数效应的协变量,在一定条件下, 证明惩罚估计量相合性和稀疏性,通过数值模拟评估所提出的变量选择方法的有效性.     

带缺失数据的半参数非线性模型基于经验似然的统计诊断

研究了用经验似然的方法来研究带有缺失数据的半参数非线性模型的统计诊断问题。首先,在响应变量完全随机缺失下,利用修正借补的方法处理缺失数据,从而得到完全样本;然后用核估计方法对未知函数进行估计。其次,基于数据删除模型给出了参数的一步近似估计,提出了经验Cook距离以及标准化残差分析,进而找出异常点和强影响点。最后,通过实例对带有缺失数据的非线性半参数模型进行统计分析来验证以上方法的可行性和有效性。