核实数据下非线性半参数EV模型的经验似然推断

考虑带有协变量误差的非线性半参数模型,借助于核实数据,本文构造了未知参数的三种经验对数似然比统计量,证明了所提出的统计量具有渐近X2分布,此结果可以用来构造未知参数的置信域．另外,本文也构造了未知参数的最小二乘估计量,并证明了它的渐近性质．仅就置信域及其覆盖概率的大小方面,通过模拟研究比较了经验似然方法与最小二乘法的优劣．     

响应变量缺失下线性EV模型中参数的经验似然推断

考虑了响应变量随机缺失情形下的线性EV模型,通过利用逆概率加权的方法构造未知参数的经验对数似然比统计量,证明了所构造的经验对数似然比统计量渐近于X~2分布,利用这个结果可以构造未知参数的置信域     

缺失数据下线性EV模型中参数的经验似然置信域

考虑了在响应变量随机缺失情形下的线性EV模型.通过利用回归借补方法,构造了未知参数的两种经验对数似然比统计量,即估计的经验对数似然比统计量和调整的经验对数似然比统计量.证明了所构造的经验似然比统计量渐近于χ2分布,所得结果可以用来构造未知参数的置信域.     

非线性半参数回归模型中参数的经验似然置信域

该文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对数似然比统计量,证明了所提出的统计量具有渐近Χ²分布,由此结果可以用来构造未知参数的置信域.另外,该文也构造了未知参数 的最小二乘估计量,并证明了它的渐近性质.仅就置信域精度及其覆盖概率大小方面,通过模拟研究比较了经验似然方法与最小二乘法的优劣.     

缺失数据下非线性EV模型参数的经验似然置信域

考虑解释变量带有测量误差且响应变量随机缺失情形下的非线性EV模型.通过利用核实数据, 构造了未知参数的两种经验对数似然比统计量. 证明了所构造统计量的分布渐近于χ²分布, 所得结果可以用来构造未知参数的渐近置信域.     

一类非线性EV模型的降维估计

考虑响应变量随机缺失情形下的非线性EV模型.给出了未知参数的降维估计,有效避免了高维核估计带来的维数灾祸问题.所构造的统计量渐近于x~2分布,所得结果可以用来构造未知参数的置信域.     

非线性半参数EV模型的经验似然置信域

考虑非参数协变量带有测量误差的非线性半参数模型,构造了模型中未知参数的经验对数似然比统计量,在测量误差分布为普通光滑分布时,证明了所提出的统计量具有渐近χ2分布,由此结果可以用来构造未知参数的置信域.另外也构造了未知参数的最小二乘估计量,并证明了它的渐近性质.就置信域及其覆盖概率大小方面,通过模拟研究比较了经验似然方法与最小二乘法的优劣.     

带有缺失数据的非线性误差模型中参数的置信域

考虑协变量有测量误差且响应变量随机缺失的非线性模型.在条件分布形式已知的情况下,通过借补方法构造了参数的经验似然,提出了基于模拟的经验似然,证明了所构造的统计量都具有渐近x~2分布,所得结果可构造未知参数的置信域.     

变系数单指标模型中参数的经验似然

考虑了变系数单指标模型,它是部分线性单指标模型的推广.本文提出了未知参数的对数似然比统计量,在适当的条件下,证明了该统计量依分布收敛到χ2分布,根据该结果,可以构造未知参数的置信域.     

核实数据下非线性EV模型中经验似然降维推断

本文研究了响应变量有误差的非线性模型.应用半参数降维技术构造未知参数的被估计经验似然及调整的经验似然,证明了所提出的被估计的经验对数似然与其调整的经验对数似然分别渐近于独立卡方变量加权和的分布与标准卡方分布,所得结果可用来构造未知参数的置信域.     

部分函数线性模型的经验似然推断

本文考虑部分函数线性回归模型,研究了回归系数的经验似然推断,证明了所提出的经验对数似然比渐近于χ~2分布,此结果可以用来构造了相应兴趣参数的置信域.另外,本文也给出了系数函数的极大经验似然估计,并在适当条件下给出了所提出估计量的收敛速度.仅就置信域精度及其覆盖概率大小方面,通过模拟研究和实例分析比较了经验似然方法与最小二乘方法的优劣.     

Empirical likelihood for single-index models

The empirical likelihood method is especially useful for constructing confidence intervals or regions of the parameter of interest. This method has been extensively applied to linear regression and generalized linear regression models. In this paper, the empirical likelihood method for single-index regression models is studied. An estimated empirical log-likelihood approach to construct the confidence region of the regression parameter is developed. An adjusted empirical log-likelihood ratio is proved to be asymptotically standard chi-square. A simulation study indicates that compared with a normal approximation-based approach, the proposed method described herein works better in terms of coverage probabilities and areas (lengths) of confidence regions (intervals).     

非线性EV回归模型中参数的经验似然置信域

本文考虑非线性EV回归模型，构造了未知参数的经验对数似然比统计量．此外，为了克服计算困难，提出了一个基于模拟的经验对数似然比统计量．在适当条件下，证明了所提出的这两种统计量都具有渐近X^2分布，所得结果可以用来构造未知参数的置信域。     

核实数据下删失线性EV模型的经验似然推断

本文考虑协变量带有误差的删失线性回归模型,借助于核实数据,对回归系数构造了两种经验对数似然比统计量,证明了所提出的估计的经验对数似然比统计量渐近收敛到一个自由度为1的独立χ2变量的加权和;而经调整后所得的调整的经验对数似然比统计量具有渐近标准χ2p分布,所得结果可以用来构造未知参数的置信域,通过模拟研究在置信域的精度及其平均区间长度大小方面进行了比较。     

Median Unbiased Estimation of Bivariate Predictive Regression Models with Heavy-tailed or Heteroscedastic Errors

In this paper, we consider median unbiased estimation of bivariate predictive regression models with non-normal, heavy-tailed or heteroscedastic errors. We construct confidence intervals and median unbiased estimator for the parameter of interest. We show that the proposed estimator has better predictive potential than the usual least squares estimator via simulation. An empirical application to finance is given. And a possible extension of the estimation procedure to cointegration models is also described.     

具有重尾或异方差误差的双变量预测回归模型的中位无偏估计

In this paper, we consider median unbiased estimation of bivariate predictive regression models with non-normal, heavy-tailed or heterescedastic errors. We construct confidence intervals and median unbiased estimator for the parameter of interest. We show that the proposed estimator has better predictive potential than the usual least squares estimator via simulation. An empirical application to finance is given. And a possible extension of the estimation procedure to cointegration models is also described.