纵向数据下基于复合分位数回归的经验似然推断

利用复合分位数回归（CQR）研究了纵向数据下回归系数的经验似然（EL）推断。将数据组内相关性纳入估计方程中,得到了参数更加有效和稳健的估计,无需预先估计渐近方差,从理论上证明了所得复合分位数经验似然估计（CQREL）的渐近性质,且提出的经验对数似然比服从渐近卡方分布,从而构造了兴趣参数的置信域。通过数值模拟验证了所得方法有很好的有限样本性质。     

响应变量缺失下加权复合分位数回归估计

目的讨论响应变量随机缺失下复合线性分位数回归模型的估计和渐近性质。方法逆概率加权方法和复合分位数回归方法相结合。结果得到了响应变量缺失下的加权复合分位数估计,且在一定条件下证明了所得估计的渐近正态性。结论复合分位数综合考虑了多个分位点的信息,提高了所得估计的效率。     

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.     

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.     

左截断右删失数据下线性模型的加权复合分位数估计及变量选择

在可靠性及生存分析等领域中经常出现左截断右删失数据,即指在某种设定下,样本值不能被完全观测到的数据.左截断右删失数据下线性回归的参数估计方法一般选用加权分位数估计,然而加权分位数估计只考虑了单个分位点的损失,在估计效率方面存在缺陷.为克服这一缺点,针对左截断右删失数据下线性模型的参数估计问题,提出了加权复合分位数估计方法.此外,为识别模型中的非零参数并进行变量选择,建立了基于自适应Lasso的惩罚加权复合分位数估计,并在一定假设条件下,证明了所提估计具有渐近正态性和Oracle性质.数值模拟和实例分析结果表明,本文提出的惩罚加权复合分位数估计具有良好的变量选择性质,并且加权复合分位数估计与加权分位数估计相比,具有更高的估计效率.     

随机左截断数据下条件分位数的光滑经验似然推断

应用光滑的经验似然方法来构造随机左截断数据下条件分位数的置信区间． 在一定的条件下,证明了经验似然比统计量渐近服从自由度为1的卡方分布． 模拟数据表明,在构造条件分位数的置信区间时,经验似然方法比正态逼近方法效果更好．     

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.     

线性过程误差下部分线性回归模型的经验似然推断

考虑线性过程误差下的半参数回归模型,研究了回归参数的经验似然推断,证明了所提出的经验对数似然比渐近于卡方分布,由此可以构造回归参数的置信区间.     

φ-混合样本下分位数的经验似然置信区间

在一定的条件下证明了φ-混合样本下分位数的分组经验似然比统计量的渐近分布为χ(21),由此可构造分位数的经验似然置信区间。     

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.     

分块回归技术在线性回归模型经验似然推断中的应用

本文讨论了线性回归模型的经验似然推断问题,利用分块回归技术,定义了模型系数的线性组合的对数经验似然比统计量,并得到其渐近统计分布为卡方分布,从而可以根据所得结果构造模型系数线性组合的区间估计.最后通过数值模拟试验验证了所提方法的有效性.     

变系数线性EV模型的经验似然推断

考虑变系数线性EV模型,构造了模型中未知系数函数的经验对数似然比统计量.在适当条件下,证明了所提出的统计量具有渐近2χ分布,所得结果可以用来构造未知系数函数的逐点置信域,并给出了未知参数的最大经验似然估计(MELE),证明了其渐近正态性.     

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。     

缺失数据情形条件分位数的经验似然置信区间

在响应变量满足随机缺失机制下,采用经验似然方法和C-C方法,分别构造不含附加信息和含附加信息时条件分位数的经验似然比统计量的渐近分布,以及条件分位数的经验似然置信区间,并证明一类检验问题的渐近功效随着信息量的增加而非下降.     

随机删失下非线性回归模型均值的置信域

考虑随机右删失数据下非线性回归模型中响应变量均值的估计问题,应用经验似然方法构造响应变量均值的调整的经验似然比统计量,证明了在一定的条件下,统计量渐近服从x2分布,所得结果给出了均值的渐近置信域.     

右删失数据下带辅助信息的部分线性分位数回归模型经验似然推断

利用经验似然结合辅助信息的方法来改进右删失数据下部分线性分位数回归模型的参数估计,通过数值模拟在不同的右删失数据和不同的未知非参数函数下,比较了传统部分线性分位数回归方法和带辅助信息的部分线性分位数回归方法的估计结果的均方误差,进而证明了利用经验似然方法结合辅助信息的部分线性分位数回归方法更有效.     

MA(∞)误差下部分线性模型的经验似然统计推断

应用经验似然方法, 针对误差为不可观测无穷阶滑动平均过程的部分线性模型, 构造了回归参数的对数经验似然比检验统计量, 并证明了统计量在参数取真值时渐近地服从χ²分布, 构造了参数的置信区间. 模拟计算表明, 经验似然方法优于最小二乘方法.     

函数型数据下条件分位数的经验似然推断

针对函数型数据下条件分位数的区间估计问题提出应用经验似然方法来构造条件分位数的置信区间,并在适当的条件下得到了经验似然比统计量渐近服从χ~2(1).     

随机效应模型的复合分位数回归估计

在纵向数据处理中,随机效应模型是使用频率非常高的模型之一。本文主要采用复合分位数回归估计的方法,在对其参数进行估计的同时,证明了此估计渐近正态性。经模拟研究,比对了中位数回归估计、传统最小二乘估计和复合分位数回归估计三种估计的精度,模拟结果显示,在样本有限的情况下,本文所提出的方法对随机效应模型的参数估计是有效的,尤其当模型误差项不遵循高斯分布时,复合分位数回归估计的实用性是明显的。     

具有部分缺失数据时两个帕斯卡分布的估计和检验

讨论了具有部分缺失数据下两个帕斯卡分布总体的参数估计和关于总体相同的似然比检验,证明了总体参数估计量的强相合性与渐近正态性,同时给出了似然比检验统计量的极限分布.