响应变量缺失下基于协变量平衡下的变系数模型的经验似然推断

在实际问题中时常会遇到缺失数据的问题,这时已有的处理完全观测数据的统计方法将不再适用.本文研究在响应变量随机缺失下的变系数模型的统计推断问题.主要分为以下几个方面:首先基于协变量平衡倾向得分下的广义矩方法得到了选择概率的估计并且给出了估计量的渐近性质;然后研究变系数模型的未知系数函数的经验似然推断,借助选择概率的估计和...     

纵向数据下部分线性模型基于经验似然的变量选择

针对纵向数据下的部分线性模型, 建立基于经验似然方法的变量选择的信息准则, 证明新变量选择方法的渐近性质, 并模拟研究比较参数信息准则与基于经验似然的信息准则的有限样本性质. 结果表明, 基于经验似然方法的信息准则克服了参数似然函数有时较难得到的困难, 模型选择效果较好.     

协变量缺失下变系数模型基于经验似然的加权分位数回归

在部分协变量随机缺失的变系数分位数回归模型中,提出回归参数的逆概率加权估计和基于经验似然的加权估计,并讨论了这两种估计的大样本性质.从渐近方差可见,基于经验似然的加权估计效率高于逆概率加权估计.     

广义线性模型中基于拟似然的变量选择方法

变量选择是建立广义线性模型的基础．为了选择变量,本文提出了一种惩罚拟似然方法．这种方法不需要知道数据的分布,而只要求知道数据的一二阶矩．在统计推断过程中,此方法同时进行变量选择和参数估计,得到估计具有Oracle性质,并是渐近有效的．同时,本文定义了一种后验拟似然,于是,选择变量的过程就是一个比较拟后验密度的过程．特别的,对于线性模型,比较拟后验密度就等价于比较惩罚残差平方和．     

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。     

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.     

平稳自回归模型的调整经验似然置信域

自回归模型在经济学及信息学等领域有广泛应用.其统计推断是统计学研究的重要问题之一.本文主要研究自回归模型的调整经验似然方法 .在Chuang和Chan利用自回归模型的条件最小二乘估计、通过得分函数构造的经验似然比统计量基础上,本文针对经验似然方法可能不存在解的情形构造了调整经验似然统计量,并证明调整后的经验似然比统计量的极限分布服从卡方分布.由此我们可以构造模型参数的调整经验似然置信域（区间）.最后,本文通过数值模拟比较了调整经验似然方法和经验似然方法的性能.结果显示,调整经验似然方法所得的区间估计具有更好的覆盖率.     

缺失数据下广义非线性回归的经验似然及诊断

研究了数据缺失情况下广义非线性回归模型的统计诊断问题;在响应变量随机缺失的情况下,先利用经验似然方法进行参数估计,得到其渐近置信区间,并通过随机模拟比较出经验似然方法比一般方法求置信区间的优越性;对模型进行影响分析,提出经验似然距离、经验Cook距离以及标准化残差等诊断统计量,最后通过实例验证统计诊断方法的有效性和可行性.     

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.     

工具变量线性回归模型的指数平方损失估计

在讨论协变量和响应变量关系时,常会遇到内生变量,已有关于内生变量的研究大多是在最小二乘目标函数的框架下讨论,然而该方法不具有稳健性,鉴于此,本文采用指数平方损失估计方法,构造模型中回归系数的稳健估计.为了克服内生变量对估计产生的偏差,利用工具变量消除协变量的内生性,再构造回归系数的指数平方损失估计;针对指数平方损失目标...     

协变量缺失下基于诱导光滑方法的加权分位数回归

在部分协变量随机缺失机制下的分位数回归模型中, 提出回归参数的诱导光滑加权估计及其渐近协方差估计, 证明了诱导光滑加权估计和经验似然加权估计有相同的渐近协方差, 且诱导光滑加权估计的渐近协方差估计也是相合的, 并给出了诱导光滑加权估计及其渐近协方差估计的高效算法. 模拟结果表明, 新方法在有限样本下表现优良.     

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。     

等式约束下线性模型参数的经验似然估计

经验似然估计推断方法是非参数统计方法中应用比较广泛的一种.本文把经验似然方法推广到等式约束下的线性模型,得到了参数的经验似然比置信区间.     

超高维异方差数据下基于边际经验似然的分位数特征筛选

针对超高维异方差数据,基于边际经验似然提出一种分位数特征筛选方法,该方法不依赖于模型假定,且计算简单快捷,无须进行复杂的参数估计和迭代计算。同时,沿袭经验似然方法的优点,该方法对分布的假设较宽松。在一定的正则条件下,理论上证明了所提方法满足确定筛选性质。此外,为了筛选出对响应变量有影响的所有协变量,将上述方法进行推广,得到一种基于边际经验似然的分布函数特征筛选方法。最后,通过数值模拟和实例分析验证了所提出的两种方法具有良好的有限样本性质。     

缺失数据下广义线性回归拟似然估计的相合性和渐近正态性

研究了形如L(β)=Σ1Zi(yi-μ(ZiTβ))=0的拟似然方程在协变量数据有缺失时,方程未知参数估计的相合性和渐近正态性.假设存在协变量数据完整的一个有效样本,且是总样本的一个简单随机子样本,基于EM算法,提出了一种新的处理协变量中有不完整数据的拟似然方程的求解法,即通过有效数据线性预测补足协变量数据缺失部分,并...     

序约束下AR(2)模型参数的拟似然估计

在约束条件下利用拟似然估计方法对AR(2)模型的参数进行统计推断,研究了拟似然估计(α)和约束拟似然估计(α)*的相合性及渐近正态性,并给出了AR(2)模型参数序关系的假设检验方法及模拟结果.     

空间计量经济模型的经验似然研究进展

空间数据几乎在社会各个领域出现,有广泛的应用前景,研究其统计推断(含模型参数的估计和检验)有重要的理论意义和实用价值。本文简要介绍一些常见的空间计量经济模型以及除经验似然方法外的空间计量经济模型研究进展,详细介绍经验似然的背景及空间计量经济模型的经验似然研究进展。     

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.     

基于一般速率模型的面板计数数据统计分析

在复发事件数据存在删失的情况下,对基准速率函数进行一般化调整之后建立了一般速率模型。同时,给出该模型中未知参数的极大似然估计,并且证明了这些参数估计的大样本性质,即相合性和渐近正态性。利用大量数值模拟验证了文中所提出的模型及参数估计方法的合理性。最后,通过对一组膀胱癌治疗的临床试验数据进行实例分析,刻画协变量对膀胱癌复发率的影响。     

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.