缺失数据下基于经验似然的加权复合分位数回归推断

针对协变量随机缺失的线性模型, 提出一种基于经验似然的加权复合分位数回归推断方法, 并证明了在数据随机缺失机制下该方法的大样本性质. 结果表明, 该方法计算简单, 且对回归参数的估计效率高于逆概率加权法.     

分位数回归模型的经验似然置信区域

在强平稳Ф-混合样本下,利用光滑经验似然方法,给出分位数回归模型参数的经验似然置信区域,得到类似于独立同分布时的结果.该结果优于非光滑LAD方法所得到的结果.     

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．     

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.     

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.     

删失分位数回归模型的经验似然置信区域

在独立同分布条件下,利用光滑经验似然方法,讨论了删失分位数回归模型参数的经验似然置信区域.     

单指标分位数回归模型的经验似然估计

目的 讨论单指标回归模型在经验似然下的参数估计问题。方法 使用了经验似然估计的方法,结合分位数回归估计。结果 给出了单指标分位数回归模型的经验对数似然比和单指标分位数回归模型的参数估计。结论 在一定条件下证明了所得的经验对数似然比服从卡方分布和分位数经验似然估计服从渐近正态分布,并通过仿真实验验证了所得估计的有效性。     

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。     

响应数据缺失下一般线性复合分位数光滑经验似然估计

由于分位数回归模型的损失函数不光滑,所得参数估计的效率不高,为提高参数估计的效率,首先提出复合分位数光滑经验对数似然比,包括完全数据复合分位数光滑经验对数似然比、加权复合分位数光滑经验对数似然比和插值复合分位数光滑经验对数似然比,并在一定条件下证明了它们都是服从渐近卡方分布的.其次,根据该似然比构造了回归参数的置信区间,并证明了复合分位数光滑经验似然估计量是渐近正态的.最后,通过数值模拟实验说明了所得估计的有效性.     

响应变量存在缺失时非线性半参数回归模型的经验似然推断

在许多实际问题的研究中,例如临床试验、民意测验、社会问卷调查等,经常导致数据的缺失,而通常使用的统计方法都需要在样本数据完整的情况下进行.如何处理样本中的缺失数据,使得统计推断得以顺利进行,近年来越来越引起人们的广泛关注.针对响应变量存在缺失时的非线性半参数回归模型Y=f（X,β）＋g（T）＋ε,研究了参数β的经验似然推断.在一定条件下,分别基于一般借补数据和修正借补数据的情形,得到了关于参数β的对数经验似然统计量渐近服从χ2分布,并由此可以构造出关于参数β的置信域.     

右删失数据下回归函数的局部组合分位数回归估计

本文研究右删失数据情形下的组合分位数回归模型,采用局部多项式逼近来估计回归函数,得到回归函数在某一点的估计量的渐近正态性和区间估计,并通过蒙特卡洛模拟验证了所提方法的有限样本性质。     

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.     

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。     

基于神经网络分位数回归的VaR金融风险测度

基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度与非线性关联模式。文章选取上证综指作为研究对象,将其与传统的VaR金融风险测度方法进行了实证比较,实证结果表明,基于神经网络分位数回归的VaR风险测度方法,在样本内与样本外都取得了较好的实证效果。     

相依样本下非参数回归函数的经验似然置信区间

构造了固定设计且误差为鞅差序列的相依样本情形非参数回归函数的经验似然比统计量,证明了统计量的极限分布为21χ,在此基础上构造了非参数回归函数的经验似然置信区间.     

纵向数据下广义线性模型的稳健二次推断函数估计

针对纵向数据下的广义线性模型,为了有效控制离群点对估计的影响以及进一步提高估计的效率,利用二次推断函数（QIF）改进加权的指数得分函数,得到了模型参数有效且稳健的二次推断函数估计（ERQIF）,并证明了在一定条件下所得估计的相合性和渐近正态性。数值计算结果进一步表明,当离群点存在或工作相关矩阵被错误指定时,所得估计有稳健的模拟结果。     

时变扩散模型中收益参数向量的局部复合分位回归估计

主要研究多维时变扩散模型中收益参数向量的估计问题.基于离散观测样本,利用局部线性拟合的方法,得到了时变漂移参数向量的局部复合分位回归估计,并证明了估计量的渐近正态性.同时,给出了估计量的渐近偏差和渐近方差.     

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。