缺失数据下线性模型响应变量均值估计的渐近正态性

考虑响应变量随机缺失下线性模型响应变量均值的估计问题,分别获得了基于完全观测样本数据、线性回归插补后的“完全样本”和逆概率加权插补后的“完全样本”得到的响应变量均值估计,并证明了其渐近正态性．     

带有核实数据的误差在协变量线性模型的估计

考虑协变量有误差的线性模型Y=Xτβ e,在许多实际问题中,准确测得感兴趣的变量可能是很困难的,或者所需成本很高。因此通常用可观测的替代变量来代替。本文不对真变量和替代变量间关系作任何模型假设,利用主要数据和核实数据,基于最小二乘方法和核方法,应用参数方法获得β的估计量,并证明了β的渐近正态性。     

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.     

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。     

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.     

MAR缺失机制下随机设计情形线性模型回归系数的估计

在响应变量满足MAR缺失机制下,研究了随机设计情形的线性模型回归系数的估计问题.分别讨论了基于观察到的完全样本数据对、基于固定补足后的"完全样本"和基于分数线性回归填补后的"完全样本"得到的回归系数的最小二乘估计的弱相合性、强相合性及渐近正态性.     

因变量缺失的变系数部分线性模型的有效估计

讨论了因变量随机缺失条件下变系数部分线性模型的估计问题.基于局部借补思想,使用局部线性方法和平均技巧同时得到了各个估计量的估计,进而给出了估计的渐近性质.     

缺失数据下EV模型的渐近性质

在缺失响应变量的不完全数据下,考虑半参数EV模型,利用二阶段估计的方法求出了EV模型中参数β和非参数g的估计量^βn,^gn.研究了它们的强相合性及渐近正态性.     

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...     

部分线性模型的渐近性

考虑Ｙｉ＝Ｘ＾ｔｉβ＋ｇ（ｔｉ）＋εｉ，１≤ｉ≤，忱里Ｘｉ是一固定设计点列，ｔｉ是独立同分布随机变量并且服从［０，１］上均匀分布。     

缺失数据下半参数回归模型的局部线性光滑

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用最小二乘和局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量和非参数分量的局部线性估计.在适当的条件下,得到^βn,^nσ的渐近正态性和^gn(t)最优弱收敛速度.     

缺失数据下广义线性回归拟似然估计的强相合性

研究了响应变量随机缺失下的广义线性模型,利用处理缺失数据的完全数据方法,构造了广义线性模型中未知参数的拟似然估计.结合随机缺失机制和若干极限定理,证明了该拟似然估计的渐近存在性、强相合性和收敛速度.     

二次损失下正态线性模型中可估函数的一切可容许估计(英文)

研究二次损失函数下正态线性模型中可估函数的齐次线性估计在一切估计类中的可容许性.对于非负定协方差矩阵和设计矩阵具有一定关系的正态线性模型,得到可估函数的约束齐次线性估计在一切估计类中可容许性的充分条件,并证明了在进一步的条件下,该充分条件也是此估计在一切估计类中可容许的必要条件.     

反映变量有误差时线性回归分析

在许多实际问题中准确测得感兴趣的变量可能是很困难的,或者所需成本很高.因此通常用可观测的替代变量来代替.本文不对真变量和替代变量间关系作任何模型假设,利用主要数据和核实数据,基于最小二乘方法和核方法,应用参数方法获得的估计量,并证明了的渐近正态性.     

不同缺失机制下线性回归模型的参数估计

给出了线性回归模型在MAR和NMAR两种缺失机制下的参数估计。     

异方差半变系数带有测量误差模型的经验似然

考虑了伴有由外生变量函数和独立同分布的随机变量乘积组成的测量误差的异方差半参数变系数部分线性模型.分别在外生变量函数已知和未知的情形下,构造了模型相关参数向量的经验似然统计量,并证明其服从渐近卡方分布,即Wilks现象成立.     

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。