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。     

空间自回归模型的经验欧氏似然推断

通过鞅差序列将空间自回归模型的估计方程中的二次型转化为线性形式，构造了空间自回归模型的参数的经验欧氏似然比统计量，并证明该统计量渐近服从卡方分布。     

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.     

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.     

移动平均模型的经验欧氏似然推断

研究了移动平均模型的经验欧氏似然推断问题.利用经验欧氏似然方法,通过鞅差序列处理移动平均模型估计方程中出现的二次型形式,构造出移动平均模型参数的经验欧氏似然比统计量,还证明了经验欧氏似然比统计量是渐近卡方分布.     

Poisson自回归模型的平稳性检验

利用经验似然方法研究Poisson自回归模型的平稳性检验问题, 通过构造相关检验的经验似然比检验统计量, 在零假设下获得了检验统计量的极限分布, 并通过Monte Carlo数值模拟考察该检验方法的有限样本特征.     

两样本参数差异的经验似然置信区间

将经验欧氏似然应用于半参数模型,讨论了在此模型下两样本参数差异的经验欧氏似然的大样本性质,证明了经验欧氏似然比统计量依分布收敛于Х^2随机变量,由此给出参数差异的经验似然置信区间。     

一类空间面板数据模型的经验似然推断

本文研究含空间自回归和空间误差自回归的时变系数空间面板数据模型的经验似然推断.利用鞅差序列将估计方程中的二次型转化为线性形式,构造模型参数的经验似然比统计量,并在一定条件下证明统计量的极限分布为卡方分布.     

向量自回归模型参数的极大似然估计

研究了n维向量AR(p)自回归模型参数的极大似然估计与似然比检验,给出并证明了参数、的估计值,通过实例进行了似然比检验.     

单指标分位数回归模型的经验似然估计

目的 讨论单指标回归模型在经验似然下的参数估计问题。方法 使用了经验似然估计的方法,结合分位数回归估计。结果 给出了单指标分位数回归模型的经验对数似然比和单指标分位数回归模型的参数估计。结论 在一定条件下证明了所得的经验对数似然比服从卡方分布和分位数经验似然估计服从渐近正态分布,并通过仿真实验验证了所得估计的有效性。     

线性过程误差下部分线性回归模型的经验似然推断

考虑线性过程误差下的半参数回归模型,研究了回归参数的经验似然推断,证明了所提出的经验对数似然比渐近于卡方分布,由此可以构造回归参数的置信区间.     

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．     

非参数回归模型的模型检验

在此考虑非参数回归模型的模型检验问题．基于Plug-in经验似然方法。构造经验似然比检验统计量．证明其满足Wilks’现象,而得到了一定显著性水平的拒绝域,最后通过数据模拟。讨论了其检验功效．     

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.     

空间自回归模型中系数变量及误差项的贝叶斯估计

文章基于长三角地区26个城市10年间的空间面板数据,通过建立空间自回归模型,针对似然函数的复杂情况,分别采用马尔科夫链蒙特卡洛方法和近似贝叶斯计算进行贝叶斯推断。数值结果表明,服务业集聚度以及固定资产投资对于地区生产总值影响最大。通过比较两类方法的估计结果发现:马尔科夫链蒙特卡洛方法虽依赖于似然的核函数,对于先验超参数的设定更为敏感,且要求控制采样样本的自相关性,但可以高效地估计参数;而近似贝叶斯计算方法能够避免求解似然函数,对先验超参数的设定更稳固,同时也能有效地估计参数。     

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。     

多维自回归时间序列的极大似然估计

主要推广了ＡｎｄｅｒｓｏｎＴＷ关于自回归模型的结果。对多维自回归模型导出了一个简明的似然方程。     

含内生协变量的泊松回归模型的经验似然推断

在模型的协变量为内生性协变量的情况下,考虑泊松回归模型的经验似然统计推断问题。通过结合一些辅助变量信息作为工具变量,提出一个基于工具变量的经验似然统计推断过程。数据模拟表明构造的经验对数似然比函数渐近服从标准卡方分布,进而给出了回归系数的置信域。并且模拟结果表明所提出的统计推断方法可以有效地消除协变量的内生性对估计精度的影响。     

空间混合自回归模型的局部影响分析

基于一阶导数方法,对空间混合自回归模型进行局部影响分析.当模型中误差向量的均值发生扰动时,依据极大似然方法对模型中自回归系数ρ和方差σ2分别构造了检测强影响点或异常点的最大影响方向dmax,ρ和dmax,σ2.数据模拟研究表明,基于dmax,σ2的检测效果明显优于dmax,ρ的效果.同时,对一个实际数据的分析,说明所得结果在实际研究中也是有用的.     

随机删失下非线性回归模型均值的置信域

考虑随机右删失数据下非线性回归模型中响应变量均值的估计问题,应用经验似然方法构造响应变量均值的调整的经验似然比统计量,证明了在一定的条件下,统计量渐近服从x2分布,所得结果给出了均值的渐近置信域.