协变量带误差的随机删失数据线性模型的一类半参数估计

考虑线性模型Yi=Xi^Tβ＋εi,i=1,2,…,n,其中Yi为随机右删失因变量,Xi难以观测,或需要较高成本才能得到其精确观测值,故转而观测与Xi相关的相对易得的随机变量Xi利用数据集{（Xj,Xj）}n＋N,j=n＋1估计E[X｜X^-]的同时,给出了参数向量β的一类半参数估计,并且证明了估计量的渐近正态性．     

变系数结构关系EV模型的参数估计

研究了当结构关系EV(errors-in-variables)模型的系数随某个实变量变化时,如何估计其系数,以及估计的性质如何.采用加权正交回归方法估计结构关系EV模型的变系数,在比较弱的条件下证明了用这种方法得到的估计具有强相合性.     

区间删失数据下Weibull 比例优势模型的参数估计

基于区间删失数据建模是当前复杂数据分析的热点之一。本研究在两类区间删失数据下建立Weibull比例优势模型,基于极大似然估计给出了模型参数,进一步讨论了估计量的渐近性质。数值模拟验证了模型参数的估计效果,并将提出的模型及方法应用到艾滋病临床试验数据和肺肿瘤试验数据中,给出了感兴趣事件的生存函数曲线,通过与生存函数的非参数极大似然估计比较,表明所提方法具有较好的拟合效果。     

区间删失情形下基于熵的指数性的检验

考虑了当观测存在区间删失情形下指数性的检验问题.记随机样本为{Xi}ni=1,观测值为Yi=a如Xi<a,Yi=b如Xi>b,否则Yi=Xi. 其中0≤a<b≤∞为两个常数.我们给出了检验{Xi}的指数性的一个有效的方法,并得到了检验的相合性.模拟结果表明检验与已有的完全观测情形下的检验(参见Ebrahimi Habibul lah, Soofi. Journal of the Royal Statistical Society. Series B. 1992, Vol.54 p739～p748)有类似的极限性质.     

基于删失数据的变系数模型的小波估计

研究了删失数据下的变系数模型．由于数据删失,常用的统计方法不能直接应用于此模型．首先利用一种变换方法对响应变量观测值进行条件无偏修正;然后,正如完全数据一样,利用小波方法,给出了系数函数的小波估计．在关于系数函数光滑性的较弱的假设条件下建立了该估计的渐近正态性．     

随机删失下指标系数的半参数估计

没有模型Ｙ＝ｇ（Ｘ′β）＋ｅ，其中Ｘ为ｐ－维解释变量，β为ｐ维未知参数ｇ（·）为一元未知函数，ｅ为随机误差，Ｅｅ＝０．本文在随机右删失数据，之下构造了指标系数β的方向估计，证明　具有　相合性及渐近正态性．     

信息区间删失数据的参数估计及敏感性分析

基于连接函数构造了信息区间删失数据的似然函数,研究了信息区间删失的分布函数问题.连接函数的假定会对估计结果产生一定的影响,通过模拟计算对这种影响进行了敏感性分析.     

指示变量随机缺失下变系数模型的分位数回归

本文研究了删失数据以及删失指示量随机缺失情况下部分线性变系数模型的参数估计问题。对非参数部分采用B样条近似,对缺失的指示变量运用极大似然估计,结合分位数回归,得到了参数估计的渐近正态性质和非参数部分的收敛速度。蒙特卡洛模拟和实例分析表明,所提出的方法可以有效处理此类存在缺失的数据,获得有意义的结果。     

缺失数据下区间自回归模型的参数估计

研究了当数据存在缺失时区间值自回归模型的参数估计问题.利用均值补充法、条件均值补充法对缺失数据进行补充,在此基础上进一步利用条件最小二乘估计方法对模型参数进行了估计,并通过随机模拟说明了上述估计方法的合理性.     

变系数EV模型系数参数核估计的改进估计

对变系数EV模型的估计问题进行深入研究,利用核函数法和广义最小二乘法运用类似于迭代的方法改进了变系数EV模型系数参数的估计。首先,将一步核估计■0(ti)(i=1,…,n)代入模型,用广义最小二乘法得到β的第二步估计=Sn-1XT(Y-■0(T))。然后,再将的值代入模型中,将■0(ti)还原成β0(ti),定义β0(t)的最终估计为0(t)=μ10∑i=n1wni(t)(Yi-XiT)在适当的正则条件下,证明了所给的估计具有相合性和一致相合性。最后借助Matlab对估计量进行了模拟研究,结果表明估计的效果较已有结果有所提高。     

线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r 1)).     

Cox模型中参数满足线性不等式约束的似然估计

研究了Cox比例风险模型中协变量部分缺失且参数满足线性不等式约束下的极大似然估计问题。在实际问题中，特别是对生存分析的研究中，数据经常会出现删失、截断、缺失的情况。本文利用EM算法和约束下优化算法得到的数据部分缺失且参数满足线性不等式下的极大似然估计。     

结构型E-V线性模型中参数估计的若干结果

由于E-V线性模型的复杂性,通常的最小二乘估计等在这种模型中一般不是相合的。本文在结构型简单线性模型中,利用矩方法与秩方法建立了若干估计量,并且论证了这些估计量的相合性与渐近正态性,报告了主要结果。     

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。     

基于模型的轮胎参数估计方法

利用汽车ABS轮速传感器信号,在建立轮胎滚动的纵向力模型的基础上,运用最小二乘法等算法对轮胎半径和纵向刚度进行估计,并通过线性仿真进行进一步验证,由此来监测轮胎压力的变化情况,为间接TPMS的研究提供了一种较好的方法.     

整合发放神经元模型突触输入参数估计

文章针对突触输入和噪声共同作用下的整合发放神经元模型,在不考虑放电阈值前提下,采用最小二乘法估计突触输入参数;当考虑神经元放电阈值特性时,将放电阈值看成一个吸收边界,导出膜电位转移概率密度函数,再利用极大似然法估计突触输入参数。结果表明:最小二乘估计仅适合阈下活动的参数估计,而对阈上活动无效;极大似然估计适用于神经元放电的阈值行为;无论是从适用范围还是估计精度来说,极大似然估计都要优于最小二乘估计。     

模型中协变量部分缺失情况下参数的极大似然估计

研究了Cox比例风险模型中协变量部分缺失参数的极大似然估计问题.在实际问题中特别是对生存分析的研究中,数据经常会出现删失、截断、缺失的情况.如何利用这部分不完整的数据信息和参数的约束信息对于实际问题来说是具有意义的.这样可以提高分析的精度,并节省试验费用.本文利用EM算法得到了数据部分缺失参数的极大似然估计.     

具有结构变化的线性回归模型的局部影响分析

利用曲率方法研究具有结构变化的线性回归模型的局部影响,分别得到了在自变量、因变量和加权扰动下相应的诊断统计量,并通过具体的数值实例说明了本文结论的有效性.     

模型中协变量部分缺失情况下参数的极大似然估计

研究了Cox比例风险模型中协变量部分缺失参数的极大似然估计问题。在实际问题中特别是对生存分析的研究中,数据经常会出现删失、截断、缺失的情况。如何利用这部分不完整的数据信息和参数的约束信息对于实际问题来说是具有意义的。这样可以提高分析的精度,并节省试验费用。本文利用EM算法得到了数据部分缺失参数的极大似然估计。