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。     

随机缺失下半参数回归模型的最大经验似然估计

考虑了随机缺失数据下非线性回归模型的估计问题,利用最大经验似然估计的方法给出了回归系数、光滑函数的最大经验似然估计,并在一定条件下证明了所得估计量的渐近正态性和强相合性。     

光滑经验欧氏似然分布估计

利用经验欧氏似然方法,构造了光滑经验欧氏似然分布函数的估计量,并在一定的条件下得到了此估计的相合性及渐近正态性。     

具有随机缺失响应变量的广义半参数模型

本文在响应变量随机缺失条件下,研究了广义半参数模型的拟似然估计方法,给出了缺失数据下的未知参数与非参数回归函数的拟似然估计,进一步求出了估计的渐近偏差和渐近方差,并证明了所给出的拟似然估计具有渐近正态性。     

具有附加信息分布函数的经验欧氏似然估计

在已知Ｅｈ（Ｘ）＝０下,对总体的分布函数给出了经验欧氏似然估计,并证明了这种估计的强相合性、渐近正态性及渐近正态的阶为Ｏ（ｎ－１２）,给出了检验Ｅｈ（Ｘ）＝０的经验欧氏似然方法     

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。     

基于空间网格数据的局部纠偏Whittle似然方法

基于多维网格上大规模空间数据的似然方法往往存在计算困难的问题.当样本量较大时, 因涉及协方差矩阵的求逆, 似然方法计算复杂度较高.借助观测数据的周期图而建立的Whittle似然函数,可用于近似精确似然函数. 利用快速Fourier变换,Whittle似然方法计算效率较高.然而,Whittle似然方法会产生有偏估计. 融合核函数加权与纠偏的思想,在研究周期图均值的基础上, 提出了局部纠偏Whittle似然的推断方法,并证明了局部纠偏Whittle似然估计具有渐近正态性. 模拟结果表明: 相比局部Whittle似然方法, 该方法在谱密度推断中有更好的表现.     

附加信息下分布函数与分位数估计的渐近性质

对于在附加信息Ｅｇ（Ｘ）＝０下,用经验似然方法所获得的分布函数和分位数估计,给出了这些估计的强相合性,渐近正态性和重对数律,并且说明它们的渐近方差比通常分布函数和分位数估计的渐近方差要小。     

一个整值ARCH（p）模型的经验似然推断

研究整值ARCH(p)模型的经验似然推断.利用经验似然方法, 给出了模型参数的最大经验似然估计, 并证明了估计量的相合性和渐近正态性.     

非线性回归模型误差方差的经验似然估计

应用经验似然方法得到了非线性回归模型误差方差的经验似然估计,并证明了估计量的渐近正态性.通过数据模拟发现,经验似然方法得到的渐近方差比传统残差平方和方法得到的估计更小.     

混合截尾试验下双参数韦布尔分布可靠性指标的参数估计

定数截尾和定时截尾结合在一起的试验是混合截尾试验.本文主要研究混合截尾试验中韦布尔分布参数的极大似然估计以及可靠度函数和可靠寿命的极大似然估计.并且在正则条件下研究了相应的估计量的相合性和渐近正态性;而且还给出了参数的置信区间.最后利用一个实际数据来说明估计量的性质.     

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.     

纵向数据中伪似然方程的根的相合性

研究了伪似然方程的根的渐近存在性和相合性大样本性质．伪似然方程是研究纵向数据的一种方法，它是广义估计方程（GEE）的一种推广，用适当的矩阵去估计相关阵，这也是研究意义所在．自从Shao（1999）定义伪似然方程以来，其大样本性质也不断完善．本文证明了在一定条件下伪似然方程的根的渐近存在性及相合性．     

一个整值ARCH(p)模型的经验似然推断

研究整值ARCH(p)模型的经验似然推断. 利用经 验似然方法, 给出了模型参数的最大经验似然估计, 并证明了估计量的相合性和渐近正态性 .     

响应变量缺失下线性模型的模型平均

研究响应变量随机缺失下线性模型的模型平均问题.首先利用拟似然估计给出倾向得分函数的未知参数的估计,基于扩张的逆概率加权和最小二乘方法给出了每个子模型回归系数的相合估计,并且证明了子模型的回归系数的估计量具有渐近正态性.然后建立了局部误设定框架下模型的FIC准则,计算了频率模型平均估计,给出了频率模型平均估计量的渐近性质及其证明.     

随机缺失下阈值和灵敏性的联合估计

在观察性试验研究中，某些受试者的诊断检验值可能缺失，若只用完全观测的数据可能会得到有偏的估计.考虑在诊断检验值随机缺失的情形下，基于灵敏性和特异性相等的对称点准则将逆概率加权和多重插补相结合建立起包含待估参数的非光滑估计方程，采用非参数两样本经验似然方法给出阈值和灵敏性的联合估计和置信域.在一定的正则条件下，建立了阈值和灵敏性联合估计的渐近性质.模拟研究证实所提方法的估计要优于其他方法的估计.     

Pareto分布中尺度参数的区间估计

研究了枢轴量法、极大似然估计的渐近正态性法和轮廓似然函数法,求解了Pareto分布中尺度参数的置信区间.通过生成随机数进行数值模拟分析,得出区间估计和区间长度,对这几种区间估计方法进行了比较.     

Pareto分布中形状参数的估计

本文研究了Pareto分布中形状参数的估计问题.采用极大似然估计及其渐近正态性、轮廓似然估计和矩估计的方法对形状参数估计,通过生成Pareto分布随机数的方法进行数值模拟,比较渐近正态性和轮廓似然估计得到的区间长度以及极大似然估计和矩估计得到的估计值,给出各估计的优缺点.     

纵向数据下基于复合分位数回归的经验似然推断

利用复合分位数回归（CQR）研究了纵向数据下回归系数的经验似然（EL）推断。将数据组内相关性纳入估计方程中,得到了参数更加有效和稳健的估计,无需预先估计渐近方差,从理论上证明了所得复合分位数经验似然估计（CQREL）的渐近性质,且提出的经验对数似然比服从渐近卡方分布,从而构造了兴趣参数的置信域。通过数值模拟验证了所得方法有很好的有限样本性质。     

基于删失中位数回归的贝叶斯经验似然

将经验似然纳入贝叶斯框架,在删失中位数回归模型下提出了模型参数的贝叶斯经验似然估计,证明了模型参数的后验分布是渐近正态的.运用M-H算法得到了点估计以及置信域,可以避免直接优化经验似然的繁重任务.模拟研究比较了贝叶斯经验似然与LAD和经验似然在有限样本下的表现,结果展示出贝叶斯经验似然优于LAD估计和经验似然.