NA误差下部分线性模型的经验似然推断

对于部分线性模型yi=βxi+g(ti)+ei,1≤i≤n,这里(xi,ti)是固定设计点,g是未知函数,ei是负相协(NA)随机误差,给出了回归系数的经验似然比统计量,并讨论了似然比统计量的极限分布,可构造参数的经验似然置信区间.     

m-目依误差下部分线性模型的经验似然统计推断

本文中,我们针对误差为m-相依序列的固定设计的部分线性模型,运用经验似然方法和分组经验似然方法,构造了回归参数的对数经验似然比检验统计量,并且证明了分组经验似然比检验统计量在参数取真值时是渐近地服从卡方分布的.模拟计算表明分组经验似然方法的有效性.     

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。     

部分线性模型序列相关的经验似然比检验

本文研究了部分线性回归模型中误差的序列相关性的检验问题,用经验似然的方法构造检验统计量,得到了零假设下检验统计量的渐近分布,我们的检验方法不但可以检验一阶序列相关,也可以检验高阶序列相关,数值模拟表明检验方法有好的检验功效．     

响应变量存在缺失时部分线性模型的经验似然推断

考虑响应变量带有缺失的部分线性模型,采用借补的思想,研究了参数部分和非参数部分的经验似然推断,证明了所提出的经验对数似然比统计量依分布收敛到χ2分布,由此构造参数部分和函数部分的置信域和逐点置信区间.对参数部分,模拟比较了经验似然与正态逼近方法;对函数部分,模拟了函数的逐点置信区间.     

强混合样本下部分线性模型的经验似然推断（英文）

本文研究强混合样本下部分线性模型的经验似然推断,将分块技术应用到经验似然方法中,证明部分线性模型的参数β的对数经验似然比统计量的渐近分布为卡方分布,由此构造强混合样本下β的经验似然置信区间.在有限样本情况下给出数值模拟结果.     

部分线性模型的模态正交经验似然推断

本文考虑部分线性模型的有效经验似然统计推断问题.通过结合模态回归和正交投影技术,提出了一种模态经验似然统计推断过程.证明了提出的经验似然比函数渐近服从中心卡方分布,进而构造了模型参数的置信区间.所提出的估计方法可以对模型的参数分量和非参数分量分别估计,而互不影响,具有较好的稳健性和有效性.     

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.     

纵向数据下部分线性模型的经验似然推断

考虑纵向数据下部分线性模型,研究了回归系数和基准函数的经验似然推断,证明了所提出的经验对数似然比渐近于卡方分布,由此构造了相应兴趣参数的置信域和区间. 此外,利用经验似然比函数得到了回归系数和基准函数的最大经验似然估计,并且证明了所得估计量的渐近正态性.模拟研究比较了经验似然与正态逼近方法的有限样本性质,并进行了案例分析.     

双重广义线性模型的经验似然推断

基于截面经验似然方法,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.最后通过数据模拟,将该方法与正态逼近方法比较,说明了该方法是有效和可行的.     

部分线性模型序列相关的经验似然诊断

本文研究了部分线性回归模型中误差的序列相关性的检验问题,得到了一种全新的经验似然诊断方法,导出了经验似然的非参数的Will's定理,数值模拟表明检验方法有很好的检验功效．     

线性模型中自相关的经验似然比检验

研究线性回归模型中的自相关检验问题,用经验似然的方法构造检验统计量,得到了零假设下检验统计量的渐近分布,我们的检验方法不但可以检验一阶自相关,也可以检验高阶自相关,数值模拟表明检验方法具有良好的检验功效.     

部分线性变量含误差模型的经验似然估计

本文把经验似然方法推广到部分线性变量含误差模型 ,得到了Wilks定理的非参数形式 ,定理用来构造参数向量的渐近置信区间 .结果与WangandJing (1 999)对一般部分线性模型的经验似然结果加以比较 ,并且与正态逼近法得到的结果也作了比较 .     

纵向部分线性模型的分块经验似然的有效推断(英文)

本文考虑了纵向数据的部分线性模型.在考虑个体内部相关性的情况下,研究了回归系数的经验似然推断.对于任意的工作协方差矩阵,所给的经验似然比统计量服从渐近卡方分布,由此可以构造回归参数的置信域.模拟结果表明,在正确指定个体相关结构的情况下,推断的效率会显著的提高.最后,给出了案例分析.     

Empirical Likelihood Inference Under Stratified Random Sampling in the Presence of Measurement Error

Suppose that several different imperfect instruments and one perfect instrument are used independently to measure some characteristic of a population. In order to make full use of the sample information, in this paper the empirical likelihood method is put forward for making inferences on parameters of interest under stratified random sampling in the presence of measurement error, Our results show that it can lead to estimators which are asymptotically normal and utilize all the available sample information. We also obtain the asymptotic distribution of empirical likelihood testing statistics. In particular, we apply the method to obtain estimator and confidence interval of population mean.     

缺失数据下线性模型中反映变量均值的经验似然置信区间

在协变量和反映变量都缺失下,构造了线性模型中反映变量均值的经验似然置信区间,数据模拟表明调整的经验似然置信区间有较好的覆盖率和精度,进一步完善了缺失数据下对线性模型的研究.     

部分线性模型参数的经验似然比置信域

本文构造了部分线性模型参数的经验似然比置信域,为部分线性模型的研究提供了一种新途径．