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.     

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。     

GEE下经验似然估计的渐近正态性质

在较弱的限制条件和不服从独立同分布的情况下,分析含有参数信息的广义估计方程下的经验似然方法。首先给出较易验证的假设条件和正态收敛法则等引理及其证明,其次在较弱条件下给出经验似然估计存在性、相合性和渐近正态分布等的理论验证,结果表明经验似然比L_E(β)在条件范围内几乎处处收敛到经验似然比最小值L_E(■)且经验似然估计参数表达式■渐近高维正态分布等,使得对于GEE下经验似然估计的相合和渐近正态等性质有了更为准确,更易满足现实模型的理论结果。最后运用R语言运行统计模拟,发现经验似然方法比广义估计方程方法回归拟合度更理想。     

含空间自回归误差的空间自回归模型的经验欧氏似然推断

研究了含空间自回归误差的空间自回归模型(SARAR模型)的经验欧氏似然推断问题,利用经验欧氏似然方法,通过鞅差序列处理SARAR模型的估计方程中出现的二次型形式,构造出SARAR模型的经验欧氏似然比统计量,还证明了该经验欧氏似然比统计量是渐近卡方分布.     

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.     

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.     

半参可加部分线性EV模型中参数的经验似然比检验

考虑半参可加部分线性EV模型中参数部分的检验问题,提出了经验似然比检验统计量,得到了原假设成立下统计量的渐近卡方分布,方便使用．     

含空间自相关误差项的非参数回归模型的调整经验似然估计

利用调整经验似然的方法,研究了含空间自相关误差项的非参数回归模型的调整经验似然估计问题。通过鞅差序列处理该模型估计方程中出现的线性二次型形式,构造出该模型的经验似然比统计量。针对经验似然估计方程可能不存在解的情况构造调整经验似然比统计量,证明了该调整经验似然比统计量是渐近卡方分布的,并且对该调整经验似然比统计量的渐进功效进行了研究。     

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．     

非线性模型中参数的置信域

考虑非线性模型Y=g(X,β)+ε,构造了未知参数经验对数似然比统计量,证明了所提出的统计量具有渐近χ2分布,此结果可以用来构造未知参数的置信域.     

基于经验似然的自回归条件久期模型的统计推断

利用经验似然方法对自回归条件久期(ACD)模型参数进行统计检验, 给出了自回归条件久期模型参数的经验似然比统计量, 并证明了该统计量渐近服从χ²-分布. 数值模拟结果表明, 经验似然方法优于拟似然方法.     

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.     

ARCH-M模型的经验似然估计

基于ARCH-M模型研究市场总体风险厌恶的度量问题.首先应用经验似然方法构造了检验统计量,并在一定的条件下,证明了所构造的统计量的渐近分布为卡方分布,在此基础上构造了市场总体风险厌恶的置信区间.模拟结果表明,经验似然方法表现良好.     

一类双函数系数ARCH-M模型的经验似然估计

针对一类双函数系数自回归条件异方差-均值(ARCH-M)模型的估计问题,提出一种基于经验似然的估计方法;在该估计方法中,所提出的模型允许金融时间序列的风险效应和收益效应同时为某一变量的函数结构,可以有效地刻画金融时间序列的风险和平均收益之间的关系,具有较广的适应性;同时,与经典矩估计法和极大似然估计法相比,基于经验似然的估计方法具有独特的优势,可以充分考虑金融序列的异方差性,并且所构造的置信区间不涉及任何渐近方差的估计,因此具有较好的稳健性和有效性;在一些正则条件下,对所构造的经验对数似然比统计量及函数系数估计量的渐近分布进行了理论分析;结果表明：关于风险效应函数系数和收益效应函数系数的经验对数似然比统计量均渐近收敛于中心卡方分布,同时函数系数估计量渐近收敛于正态分布;进而对风险效应函数系数和收益效应函数系数分别构造了相应函数系数的逐点置信区间。     

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.     

多总体测量误差模型中的经验似然推断

在多总体测量误差模型中, 运用经验似然方法得到总体参数和累积分布函数(CDF)的有效估计, 并将多总体经验似然方法应用于NS抽样模型, 得到了共同均值和CDF的有效估计. 结果表明, CDF的估计不仅渐近无偏, 而且利用了所有样本信息.     

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.     

MA(q)模型的经验欧式似然估计的强相合性

构造了一类MA(q)模型的经验欧式似然比统计量,利用拉格朗日乘子法,得到了参数的经验欧式似然估计,并在一定条件下进一步讨论参数估计的强相合性.