数据非随机缺失时单变量的分布函数估计

本文研究数据非随机缺失下的分布函数估计问题.在确定缺失数据是否属于某些指定区间的前提下,对一维随机变量y的分布函数F(y)作出了估计.此时,假定数据缺失机制形式已知,但包含某未知多维参数θ.本文证明了未知参数θ的估计量(θ)的相合性和渐近正态性,也证明了分布函数F(y)的估计量F(y)的相合性和渐近正态性.     

数据缺失条件下我国教育收益率估计和分析

教育收益率是指受教育者因增加其受教育的数量而得到的未来净经济报酬的一种测量,它是评价教育生产力的一个非常有用的指数。然而,在收集个人收入数据时,收入往往存在缺失,这为正确估计教育收益率带来了很大的障碍。本文基于我国城镇职工在2002年的年收入数据,在不可忽略缺失假设下,使用明瑟收入函数,研究了我国当年的教育收益率。本文采用Logisitic模型对缺失机制进行拟合,并用联合似然函数方法推断模型中的所有未知参数。该联合似然函数中的参数具有可识别性。假设估计量是相合的,我们证明了估计量的渐近正态性。在不可忽略缺失机制下所得的教育收益率为9.6%,符合预期。     

基于二相抽样的PPS二阶抽样

研究初级单元大小未知时基于二相抽样的PPS二阶抽样，给出总体总值的估计量，估计量的方差及方差的估计量。     

双无回答层抽样的三重抽样比率估计量

无回答在抽样调查中经常出现,无回答层再抽样是解决无回答的常用方法.当辅助变量总体均值未知时,本文讨论了双无回答层抽样的三重抽样方法,给出了三重抽样的分层汉森-赫维茨估计量和比率估计量,以及它们的方差和估计方差.给出满足事前给定总调查费用约束的三重抽样过程的最优设计参数,以及比率估计量的方差估计.给定总调查成本,三重抽样的分层汉森—赫维茨估计量与比率估计量进行模拟比较,演示比率估计量的优良性.     

数据缺失机制不明确时的分布函数估计

研究了在数据缺失机制不明确时如何估计随机变量Y的分布函数FY(y),该问题不同于可以用参数模型刻画数据缺失机制时的情形,考虑到此时可能出现不可识别现象,获取一些辅助信息是必要的.借助一个可以完全观察到的随机变量X提供必须的辅助信息,构造了随机变量Y的分布函数Fy(y)的估计量,并研究了它的大样本性质.     

系数函数光滑度互不相同的变系数模型的一步估计法

该文提出了一种一步估计方法用以估计变系数模型中具有互不相同光滑度的未知函数, 所有未知函数和它们的导数的估计量由 一次极小化得到. 给出了估计量的渐近性质, 包括渐近偏差、方差和渐近分布, 一步估计量被证明达到了最优收敛速度.     

空间半参数变系数部分线性回归中的分位数估计

本文研究了空间数据变系数部分线性回归中的分位数估计. 模型中的参数估计量通过未知系数函数的分段多项式逼近得到, 而未知系数函数的估计量通过将参数估计量代入模型中并通过局部线性逼近得到. 文中推导了未知参数向量估计量的渐近分布, 并建立了未知系数函数估计量在内点及边界点的渐近分布. 通过Monte Carlo 模拟研究了估计量的有限样本性质.     

缺失数据的偏差校正(系列三)

调查中的缺失数据会造成估计量的偏倚。有一些简单易行的对数据进行调整的方法 ,如果使用得当 ,可以减小由于缺失数据造成的估计量偏倚。本文介绍了三种常用的方法 :即 ,再抽样调整 ;多次调查数据调整和相关推估法     

空间数据变系数回归中的B-spline估计法

本文借助B—spline函数逼近开发了一种整体估计程序,用以估计变系数回归中的未知系数函数．在较弱假设条件下,建立了未知函数B—spline估计量的整体收敛速度,渐近性结果显示B-spline估计量达到了最优收敛速度,并推导了未知函数B—spline估计量的渐近分布．本文还给出了一种光滑参数选择方法,通过Monte Carlo模拟研究了估计量的有限样本性质,并用文中提出的方法分析了1980年美国总统选举投票数据．     

基于充分降维的半参数不可忽略无响应光滑分位回归

文章在响应变量不可忽略缺失假定下,考察了分位回归的估计问题.文章首先建立半参数指数倾斜响应模型,为克服不可忽略缺失数据的识别性困难,避免多元非参数核估计造成的维数灾难,文章基于充分降维假设,利用数据驱动方法构造缺失工具变量,得到倾斜参数的轮廓两步广义矩估计量和非参数部分的降维核估计量;基于上述估计量建立逆概率加权(IPW)、核辅助估计方程插补(EEI)和增强逆概率加权(AIPW)三种分位回归估计方程,并利用卷积平滑分位损失函数代替经典的分位损失函数克服检查函数不平滑造成的理论和计算困难,回归系数的估计量由经验似然方法得到.理论研究证明了三种估计量等价的渐近正态性和相应对数经验似然比函数的渐近χ²加权和性质.数值模拟比较了上述估计量的有限样本性能.最后对HIV-CD4实际数据进行分析.