截断情况下线性回归模型中回归系数的经验似然

在带有截断情况的线性回归模型中,应用经验似然的方法得到了关于回归系数调整的经验似然比统计量,证明了此时得到的调整经验似然比在一定的条件下,仍服从X^2分布,最后通过模拟得到了关于回归系数的置信区间．     

右删失数据下半参数线性转换模型的经验似然推断

右删失数据是删失数据中最常见的数据类型,通常出现于临床试验、生命科学、医药追 踪研究等领域,由于外在条件的局限性以及观测个体在开始或结束试验时存在差异性,导致实验 中出现右删失数据。在右删失数据下,文章基于Buckley-James方程对回归参数进行经验似然推 断,并证明所提出的调整经验似然比统计量收敛于标准的卡方分布,进而得到回归参数的置信区 间,最后进行了数值模拟研究,模拟结果显示所提出的经验似然方法优于基于KSV方法的经验似 然方法。     

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。     

部分函数型EV回归模型的经验似然推断①

针对解释变量带有测量误差的部分函数型线性回归模型,引入一个合适辅助向量,构造出未知参数的经验对数似然比函数,给出了未知参数和未知系数的极大经验似然估计。进一步证明了所构造似然比函数具有渐近卡方分布,并基于此构造了未知参数的渐近置信域。同时,也证明了给出的未知参数的估计与最小二乘估计一样具有渐近正态性。最后给出系数函数的收敛速度,达到了最优收敛速度。讨论的结果说明经验似然方法对部分函数型EV回归模型的统计推断是有效的。     

分块回归技术在线性回归模型经验似然推断中的应用

本文讨论了线性回归模型的经验似然推断问题,利用分块回归技术,定义了模型系数的线性组合的对数经验似然比统计量,并得到其渐近统计分布为卡方分布,从而可以根据所得结果构造模型系数线性组合的区间估计.最后通过数值模拟试验验证了所提方法的有效性.     

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.     

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).     

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.     

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.     

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.     

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.     

极值分布右截尾线性回归模型参数的极大似然估计

本文对右截尾数据的线性回归模型,在误差服从极值分布条件下,先给出其参数极大似然估计的一般迭代算法,然后证明了尺度参数为常数时EM算法与该一般迭代算法的一致性,保证了迭代的收敛.     

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.     

矩约束条件下的广义经验似然

讨论矩约束条件下的广义经验似然比统计量族以及相应的性质。此统计量实际上是B aggerly(1998)所介绍的广义经验似然比统计量的一种推广。在一定条件下,证明了此分布族中的统计量与Ow en(1988)和Q in and L aw less(1994)的经验似然是一阶渐近等价的。因此,这些统计量的分布均是渐近于2χ分布,相应的估计也都满足相合性和渐近正态性。     

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.     

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。     

纵向数据下广义经验似然方法的有效稳健估计

基于广义经验似然估计方法,提出了一种有效且稳健的估计,实现对纵向数据在线性模型下均值和协方差矩阵的联合估计。利用Cholysky分解将模型重参数化,利用拉格朗日乘子法求出估计值,再还原出均值和协方差矩阵的估计。在模拟研究中将所提方法同文献中其他稳健估计进行比较,结果显示所提方法效率更高。最后将所提方法用于分析CD4细胞数据,交叉验证结果显示所提方法更加可靠。     

随机删矢下半参数回归模型的另一种估计

在ｘｉ 和ｔｉ 相互独立的假设下, 首先将半参数回归的模型变换成一个标准的线性模型, 利用最小二乘法得到β的估计,然后由残差得出ｇ（ｔ） 的估计, 最后证明它们具有强相合性     

非线性半参数回归模型中参数的经验欧氏似然置信域

考虑非线性半参数回归模型,构造了模型中未知参数的经验欧氏似然比统计量,并证明了所提出的统计量具有渐近χ2分布,由此,可构造未知参数的置信域.