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).     

缺失数据情形总体差异的经验似然置信区间

在一定的条件下证明了MAR缺失机制下不完全样本情形两非参数总体差异指标的经验似然比统计量的渐近分布为加权拍X2(1),由此可构造差异指标的经验似然置信区间.     

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。     

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．     

缺失数据下条件分位数的估计及其渐近性质

在响应变量满足随机缺失机制下，利用完全记录单元方法分别给出不含附加信息和含附加信息时条件分位数的估计，并在给定的正则条件下证明估计的渐近正态性．     

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.     

缺失数据下强混合样本情形的经验似然

在强混合样本完全随机缺失情形,本文利用随机补足后得到的完全样本对总体均值进行经验似然推断,证明了经验似然比统计量的极限分布为卡方分布。     

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.     

M-泛函的经验似然置信区间

利用经验似然思想，分别讨论不含附加信息和含附加信息时，M-泛函的经验似然置信区间，并推广Zhang Biao (1997) 在独立同分布下的结果。     

缺失数据下经验似然的冗余性问题

讨论了一般情形下经验似然的冗余性问题,并得到了经验似然的冗余性结果。推广了广义矩估计(GMM)的冗余性结果,然后用结果解释了经验似然估计的奇异现象。模拟实验结果证实了经验似然的冗余性对估计的影响。     

m-相依样本下条件密度的经验似然置信区间

在m-相依样本情形下基于条件密度的双重核估计构造了条件密度的经验似然置信区间。     

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.     

同模型下数据缺失时线性回归模型反应变量均值的经验似然置信区间

在两独立总体具有相同的线性回归模型下,当第一总体的样本为完全样本,第二总体的反应变量完全缺失时,利用第一总体的样本信息,得到第二总体反应变量均值的经验似然置信区间.     

缺失数据下非参数模型均值估计的两个结果

在缺失数据的情形下,用两种不同的方法讨论了非参数回归模型中,反映变量Y的均值θ的估计及其渐近性质,得出了关于θ的基于正态逼近的渐近置信区间以及θ的基于经验似然的渐近置信区间.     

非参数回归函数的经验似然置信区间

经验似然是由Owen引入的一种非参数推断方法，主要讨论了相依样本下非参数回归函数的经验似然置信区间。     

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．