具有均匀结构的多元$t$\,-模型的局部影响分析

本文研究具有均匀结构的多元$t$\,-模型的局部影响分析问题\bd 依据Cook的曲率度量, 我们考虑了微小扰动对统计推断的影响, 由此导出了局部影响分析中最为关心的统计量---最大曲率方向\bd作为一种应用, 本文还祥细讨论了常见的协方差加权扰动形式.     

多元$t$分布数据的局部影响分析

对于多元$t$分布数据, 直接应用其概率密度进行影响分析是困难的\bd 本文通过引入服从Gamma分布的权重, 将其表示为特定多元正态分布的混合\bd 在此基础上, 进而将权重视为缺失数据, 引入EM算法; 从而利用基于完全数据似然函数的条件期望进行局部影响分析\bd 本文进一步系统研究了加权扰动模型下的局部影响分析, 得到了相应的诊断统计量; 并通过两个实例说明了这种方法的有效性.     

分组数据下线性回归模型的参数估计

讨论了分组数据下线性回归模型参数的MLE的存在、唯一性.通过EM算法获得MLE的近似解.通过SEM算法获得MLE的渐近协方差阵.     

非零截距线性和非线性回归模型的T-型稳健估计算法

首先给出非零截距线性模型T-型估计的模型与EM算法,其次给出非线性回归模型参数的T-型估计,利用泰勒级数对模型线性化,得到参数估计的迭代算法,最后用数值模拟实验验证了该算法的正确性和证实了T-型估计的稳健性.     

多层线性模型参数估计的MCEM算法

应用Monte Carlo EM(MCEM)算法给出了多层线性模型参数估计的新方法,解决了EM算法用于模型时积分计算困难的问题,并通过数值模拟将方法的估计结果与EM算法的进行比较,验证了方法的有效性和可行性.     

基于EM算法和小波多尺度边缘检测的活动轮廓模型初始化

本文研究了活动轮廓模型初始化的问题.利用EM算法和小波多尺度边缘检测的方法,获得了活动轮廓模型的外部能量函数和初始曲线,并对于具体的X射线图像给出了实验结果和该算法的有效性.     

缺失数据下含几何分布的对数线性模型的EM算法

本文研究缺失数据下对数线性模型参数的极大似然估计问题.通过Monte-Carlo EM算法去拟合所提出的模型.其中,在期望步中利用Metropolis-Hastings算法产生一个缺失数据的样本,在最大化步中利用Newton-Raphson迭代使似然函数最大化.最后,利用观测数据的Fisher信息得到参数极大似然估计的渐近方差和标准误差.     

有重复观测的部分线性EV模型的参数估计

构造了有重复观测的部分线性EV模型中的诸多参数估计, 包括回归系数、回归误差方差以及非参数函数估计, 去除了有关经典文献中关于测量误差方差已知的假设. 在一些正则条件下, 证明了所有这些估计都是强相合的, 同时获得了回归系数估计的渐近正态性、非参数函数估计的最优收敛速度. 模拟计算表明这些估计的效果优良.     

半参数广义线性混合效应模型的估计及其渐近性质

半参数广义线性混合效应模型在心理学、生物育种、医学等领域有广泛的应用. Zhang(1998)用最大惩罚似然函数的方法(MPLE)对模型的参数和非参数部分进行了估计, 而Zhang (1998) MPLE方法只适用于正态数据模型. 对于泊松等常用的模型, 常的方法是将随机效应看作缺失数据, 再引入EM算法. 本文基于McCulloch 1997)提出的MCNR算法, 此算法推广到半参数广义线性混合效应模型中并得到相应的估计算法. 于非参数部分, 本文采用P样条拟合并利用GCV方法选取光滑参数, 时证明了所得估计的相合性和渐近正态性. 最后, 过模拟和实例与其它算法作比较验证本文估计方法的有效性.     

含缺失数据线性模型的线性不等式约束EM算法

研究具有缺失数据的线性模型的回归参数在一般线性不等式A₀β≥a约束下的极大似然估计问题;提出了一般线性不等式约束下的EM算法并且证明了此算法的收敛性.     

纵向数据下混合效应EV模型中参数估计的渐近性质

考虑纵向数据下混合效应EV模型。对带有惩罚项的Profile广义最小二乘方法进行了修正。利用矩估计法和ML-based EM算法给出了固定效应,随机效应以及协方差阵的估计。在一般的条件下,给出了固定效应估计的强相合性和渐近正态性,并对所提出的各种估计进行了模拟研究。模拟效果不错。     

�������췽�������EVģ�͵�С�����Ƶ�Berry-Esseen��

Using wavelet smoothing and least-squares methods,we investigate a heteroscedastic partly linear errors-in-variables (EV)model with $\alpha$-mixing random errors. The wavelet estimators of the parametric parts and nonparametric parts are given, and Berry-Esseen bounds of wavelet estimators are obtained under general conditions.     

纵向数据下线性EV模型的变量选择

本文考虑了纵向数据线性EV模型的变量选择.基于二次推断函数方法和压缩方法的思想提出了一种新的偏差校正的变量选择方法.在选择适当的调整参数下,我们证明了所得到的估计量的相合性和渐近正态性.最后通过模拟研究验证了所提出的变量选择方法的有限样本性质.     

有重复观测时变系数线性结构关系EV模型的参数估计

利用重复观测数据和加权方法给出了有重复观测时变系数一维线性结构关系EV模型中的参数估计,证明了估计的弱相合性和强相合性．     

�����Ͳ������Ը��Ϸ�λ���ع�ģ�͵Ĺ���

This paper studies estimation in functional partial linear composite quantile regression model in which the dependent variable is related to both a function-valued random variable in linear form and a real-valued random variable in nonparametric form. The functional principal component analysis and regression splines are employed to estimate the slope function and the nonparametric function respectively, and the convergence rates of the estimators are obtained under some regularity conditions. Simulation studies and a real data example are presented for illustration of the performance of the proposed estimators.     

Robust Estimation in Partial Linear Mixed Model for Longitudinal Data

In this article, robust generalized estimating equation for the analysis of partial linear mixed model for longitudinal data is used. The authors approximate the nonparametric function by a regression spline. Under some regular conditions, the asymptotic properties of the estimators are obtained. To avoid the computation of high-dimensional integral, a robust Monte Carlo Newton-Raphson algorithm is used. Some simulations are carried out to study the performance of the proposed robust estimators. In addition, the authors also study the robustness and the efficiency of the proposed estimators by simulation. Finally, two real longitudinal data sets are analyzed.     

Asymptotic Normality of LS Estimate in Simple Linear EV Regression Model

Though EV model is theoretically more appropriate for applications in which measurement errors exist, people are still more inclined to use the ordinary regression models and the traditional LS method owing to the difficulties of statistical inference and computation. So it is meaningful to study the performance of LS estimate in EV model. In this article we obtain general conditions guaranteeing the asymptotic normality of the estimates of regression coefficients in the linear EV model. It is noticeable that the result is in some way different from the corresponding result in the ordinary regression model.     

线性模型参数的稳健化有偏估计

本文讨论复共线性和粗差同时存在时线性模型的参数估计问题,基于等价权原理提出了一个稳健有偏估计类（稳健压缩估计）,并且建立了稳健压缩估计的计算方法,为了满足实际问题的需要,构造了许多很有意义的稳健有偏估计,例如稳健岭估计、稳健主成分估计,稳健组合主成估计、稳健单参数主成分估计、稳健根方估计等等,最后通过一个算例表明,本文提出的稳健有偏估计具有既可克服复共线性影响又可抵抗粗差干扰的良好性质。     

带有线性约束的增长曲线模型中均值参数的线性估计的泛可容许性

对于约束参数的增长曲线模型,本文从线性估计类中找出了泛可容许估计类,并得到了泛可容许估计与线性约束之间的一种刻划,这些结果断定,约束情况不明的时候,使用带线性约束的最小二乘估计比通常的最小二乘估计更保险。