一种对称损失函数下一类指数分布族刻度参数的估计

在p,q对称熵损失函数L(θ,δ)=θp/δp+δq/θq-2(p,q0)下,研究了一类指数分布族c(x,n)θ-ve-T(x)/θ的刻度参数θ的Bayes估计与可容许估计,并应用积分变换定理证明了这两个估计具有不变性.     

固定设计下一类半参数回归模型的渐近性质

对固定设计下的一类半参数回归模型yi=xiβ+g(xi)+ei,i=1,2,…,n,综合最小二乘和非参数权函数估计方法,定义了,βg的估计量β∧n,gn∧及误差方差σ2的估计量σ2n∧.在适当条件下,证明它们具有强相合性和p(2)阶平均相合性.模拟的结果表明所得结果具有优良的性质.     

固定设计下半参函数关系模型参数估计的相合性

对于固定设计下的半参数函数关系模型,利用广义最小二乘法和一般的非参数权估计方法,得出了未知参数和未知函数的估计.在一定条件下,证明了它们的强相合性及其p(≥2)阶平均相合性.     

Panel数据模型的参数bootstrap推断

利用广义p值和参数bootstrap方法,研究了Panel数据模型中未知参数的假设检验问题.对于回归系数,基于最小二乘估计和两步估计方法,考虑了非齐次线性假设检验问题.对于方差分量,研究了单边假设检验问题.进而利用Monte Carlo方法进行模拟研究.模拟结果表明,参数bootstrap检验方法既能较好控制犯第一类错误的概率,又具有较高的功效,且大多数情况下优于广义p值检验方法.     

AANA误差下半参数回归模型中估计量的相合性

考虑如下半参数回归模型y_i=x_iβ+g(t_i)+σ_ie_i,i=1,2,…,n,n≥1,其中σ_i~2=f(u_i),(x_i,t_i,u_i)为已知设计点列.在适当的条件下,当误差为AANA变量时,本文研究了未知参数β和未知函数g的最小二乘估计与加权最小二乘估计的相合性,特别是p(p1)阶矩相合性和完全相合性,所得结果推广了误差为NA变量的相应结论.     

鼻咽癌组织中p15INK4b和p27KIP1基因甲基化及其相关性研究

目的探讨鼻咽癌组织中p15INK4b和p27KIP1基因启动子区甲基化状态在鼻咽癌临床早期诊断和治疗中的作用。方法应用甲基化特异性PCR方法对65例鼻咽癌组织（鼻咽癌组）和30例正常鼻咽上皮组织（对照组）中的p15INK4b和p27KIP1基因启动子区甲基化状态进行检测。结果鼻咽癌组中p15INK4b和p27KIP1基因启动子区甲基化阳性率分别为26.2%（17/65）和61.5%（40/65），两者总检出率为72.3%（47/65）；而对照组中均未检测到p15INK4b和p27KIP1基因启动子区甲基化；两组间p15INK4b和p27KIP1基因启动子区甲基化阳性率的差异具有统计学意义（均P＜0.01）。鼻咽癌组中p15INK4b和p27KIP1基因启动子区甲基化与其临床分期及病理特征均无明显相关性（均P＞0.05）。同时，p15INK4b基因甲基化和p27KIP1基因甲基化间无明显相关性（r=-0.03，P＞0.05）。结论p15INK4b和p27KIP1基因启动子区甲基化可能参与鼻咽癌的发生、发展；p15INK4b和p27KIP1基因启动子区甲基化具有一定的肿瘤特异性，有助于鼻咽癌的早期辅助诊断和治疗。     

柯西分布的参数估计

研究了柯西分布的参数估计问题,给出了位置参数的最小一乘估计和尺度参数的低阶矩估计.证明了柯西分布位置参数的最小一乘估计具有渐近无偏性与强相合性;尺度参数的低阶矩估计具有强相合性.     

带有异方差的部分线性回归模型的B样条估计

考虑一带有异方差的固定设计部分线性回归模型yij=x'ijβ+g(tij)+εij,i=1,2,…,k,j=1,2,…,ni,和∑ni=n,其中yij为响应变量,β=(β1,…,βp)'是未知的参数向量,g(.)是未知的函数,xij=(xij1,…,xijp)'和tij∈[0,1]为已知的非随机设计点,εij为均值0,方差是σ2i的随机误差,其中σ2i可能不同.通过B样条级数近似非参数分量,构造了参数分量β的一个半参数广义最小二乘估计.在一些矩条件下,导出了此半参数广义最小二乘估计的渐近分布,大多数在实际中遇到的误差分布都满足这些矩条件.另外,也构造了半参数广义最小二乘估计的渐近协方差矩阵的一个相合估计,还讨论了非参数分量的B样条估计.所有这些大样本性质都是在k趋于无穷大,n.有限时导出的.这些结果能被用来做渐近有效的统计推导.     

带有异方差的部分线性回归模型的B样条估计

考虑一带有异方差的固定设计部分线性回归模型yij=X'ijβ+g(tij)+εij,i=1,2…,k:j=1,2,…,ni,和sum from i=1 to kni=n,其中yij为响应变量,β=(β1,…,βp)’是未知的参数向量,g(·)是未知的函数,Xij=(Xij1,…,Xijp)’和tij∈[0,1]为已知的非随机设计点,εij为均值0,方差是σi2的随机误差,其中σi2可能不同.通过B样条级数近似非参数分量,构造了参数分量β的一个半参数广义最小二乘估计.在一些矩条件下,导出了此半参数广义最小二乘估计的渐近分布,大多数在实际中遇到的误差分布都满足这些矩条件.另外,也构造了半参数广义最小二乘估计的渐近协方差矩阵的一个相合估计,还讨论了非参数分量的B样条估计.所有这些大样本性质都是在k趋于无穷大,ni有限时导出的.这些结果能被用来做渐近有效的统计推导.     

半参数回归模型的一类压缩估计

研究了半参数回归模型的参数估计问题,利用压缩估计方法给出了模型的一类有偏估计,并与最小二乘估计、岭估计、几乎无偏岭估计进行了比较.在均方误差意义下,新的压缩估计明显优于最小二乘估计.最后讨论了有偏参数选取的问题.