两样本半参数模型的经验欧氏似然估计

在本文中，我们证明了两样本半参数模型的经验欧氏似然估计的相合性和渐近正态性，也证明了两样本半参数模型的经验欧氏似然比统计量的渐近x2分布性，最后给出了两个例子．     

半参数模型的经验欧氏似然估计的大样本性质

本文证明了半参数模型的经验欧氏似然估计的强相合性和渐近正态性,还证明了经验欧氏似然比统计量的渐近x~2分布性,最后给出了几个例子。     

数据缺失情形线性回归模型中误差方差的经验似然估计

在随机缺失(MAR)机制下利用经验似然方法构造了线性回归模型中误差方差的估计.并在一定条件下,证明了该估计的渐近正态性,由此得出当误差的分布不对称时,该估计的渐近方差比常用估计的渐近方差小.     

β-ARCH模型的经验似然推断

研究β-ARCH模型的经验似然估计及相应似然比统计量的渐近性质,证得了相合性和极限分布.     

$\beta$-ARCH模型的经验似然推断

研究β-ARCH模型的经验似然估计及相应似然比统计量的渐近性质,证得了相合性和极限分布．     

指数族非线性模型最大似然估计的相合性和渐近正态性

本文我们提出了一些正则条件, 这些条件减弱了Zhu and Wei (1997)文中的条件. 基于所提的正则条件, 我们证明了指数族非线性模型参数最大似然估计的相合性和渐近正态性. 我们的结果可被认为是Zhu and Wei (1997)工作的进一步改进.     

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．     

带相依辅助信息的分位数自回归模型的经验似然估计

分位数自回归模型作为一类常用的变系数时间序列模型,在理论研究和实际问题中都有广泛的应用.考虑到这类模型具有自回归的结构属性,数据采集过程中产生的额外信息,以相依辅助信息函数的形式被引入到模型系数的估计中来.该文应用经验似然方法得到了模型系数的估计量,得到了模型系数的估计量,并论证了其渐近正态性.基于渐近正态性的理论结果,进一步讨论了模型系数线性约束性问题的Wald检验统计量的渐近性质.数值模拟和实例数据分析的结果均表明,利用经验似然估计处理带相依辅助信息函数的方法较传统的分位数回归估计更有效.因而,一般常系数线性分位数回归模型在独立假设下的结果,被推广至具有相依结构的一类变系数模型中去.     

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.     

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.     

Semiparametric Maximum Likelihood for Missing Covariates in Parametric Regression

We consider parameter estimation in parametric regression models with covariates missing at random. This problem admits a semiparametric maximum likelihood approach which requires no parametric specification of the selection mechanism or the covariate distribution. The semiparametric maximum likelihood estimator (MLE) has been found to be consistent. We show here, for some specific models, that the semiparametric MLE converges weakly to a zero-mean Gaussian process in a suitable space. The regression parameter estimate, in particular, achieves the semiparametric information bound, which can be consistently estimated by perturbing the profile log-likelihood. Furthermore, the profile likelihood ratio statistic is asymptotically chi-squared. The techniques used here extend to other models.     

Empirical Likelihood Semiparametric Regression Analysis under Random Censorship

This paper considers large sample inference for the regression parameter in a partly linear model for right censored data. We introduce an estimated empirical likelihood for the regression parameter and show that its limiting distribution is a mixture of central chi-squared distributions. A Monte Carlo method is proposed to approximate the limiting distribution. This enables one to make empirical likelihood-based inference for the regression parameter. We also develop an adjusted empirical likelihood method which only appeals to standard chi-square tables. Finite sample performance of the proposed methods is illustrated in a simulation study.     

非线性回归模型的经验似然诊断

经验似然方法已经被广泛用于线性模型和广义线性模型.本文基于经验似然方法对非线性回归模型进行统计诊断.首先得到模型参数的极大经验似然估计;其次基于经验似然研究了三种不同的影响曲率度量;最后通过一个实际例子,说明了诊断方法的有效性.     

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。     

线性度量误差模型的极大经验似然估计

本文将自变量的测量误差考虑到线性模型中,提出了线性度量误差模型参数的极大经验似然估计,在一定条件下,证明了所得到的未知参数的估计具有渐进正态性,并通过数值模拟,说明了该方法的可行性。     

半参数变系数异方差部分线性模型下的经验似然

Consider the semiparametric varying-coefficient heteroscedastic partially linear model Y i = Xτiβ + Zτiα(Ti) + σiei,1 ≤ i ≤ n,where σ 2 i = f(Ui),β is a p × 1 column vector of unknown parameter,(Xi,Zi,Ti,Ui) are random design points,Y i are the response variables,α(·) is a q-dimensional vector of unknown functions,e i are random errors.For both cases that f(·) is known and unknown,we propose the empirical log-likelihood ratio statistics for the parameter β.For each case,a nonparametric version of Wilks’ theorem is derived.The results are then used to construct confidence regions of the parameter.Simulation studies are carried out to assess the performance of the empirical likelihood method.     

经验似然重抽样下回归模型的Bootstrap逼近

本文提出用经验似然重抽样来bootstrap逼近线性回归模型中的学生化最小二乘估计．我们证明了该方法具有一般s－2项Edgeworth展开，它是二阶相合的而且比经典的方法损失更小．