随机插补下两线性模型中响应变量分位数差异的经验似然置信区间

设两个样本数据不完全的线性模型,其中协变量的观测值不缺失,响应变量的观测值随机缺失。采用随机回归插补法对响应变量的缺失值进行补足,得到两个线性回归模型的"完全"样本数据,在一定条件下得到两响应变量分位数差异的对数经验似然比统计量的极限分布为加权x_1~2,并利用此结果构造分位数差异的经验似然置信区间。模拟结果表明在随机插补下得到的置信区间具有较高的覆盖精度。     

两部分因子分析模型的贝叶斯推断

半连续数据在经济和社会科学调查中普遍存在.在分析该类数据时,经典两部分回归模型经常被用来刻画协变量对响应变量可变性的影响.然而,包含协变量并不能完全解释响应变量的可变性.忽略未被观测的数据异质性将导致方差的剧烈波动.在本文中,我们将两部分回归模型推广到两部分因子分析模型.多变量半连续数据未观测的异质性由潜在因子部分来解释.此外,通过引入潜在性因子,多重变量间的相依性也以线性组合方式通过共享因子变量得到刻画.在贝叶斯框架内,我们运用马尔可夫链蒙特卡洛(MCMC)方法来进行后验分析.GIBBS采样器被用于从后验分布中抽取样本.基于模拟的随机样本,未知参数估计和模型评价等统计推断问题获得解决.随机模拟和可卡因使用数据分析等实证结果显示了该方法的有效性和实用性.     

部分线性测量误差模型的模拟—推断估计

该文研究了部分线性测量误差模型,即无法直接观测非参数部分协变量,只能得到其替代变量的模型.利用局部线性估计并结合模拟-推断的方法(SIMEX)得到参数及非参数的估计,并在适当的条件下,得到了所提估计量的渐近偏差及方差.将该文提出的模拟-推断方法与Liang(2000)的估计方法比较,表明模拟-推断法在处理测量误差问题上的有效性.值得一提的是,模拟-推断方法不需要对非参数部分协变量的分布提出假设.     

����ʼ�Ȩ���������ģ������Ӧ������λ������ľ�����Ȼͳ���ƶ�

本文对两个样本数据不完全的线性模型展开讨论, 其中线性模型协变量的观测值不缺失, 响应变量的观测值随机缺失(MAR). 我们采用逆概率加权填补方法对响应变量的缺失值进行补足, 得到两个线性回归模型``完全'样本数据, 在``完全'样本数据的基础上构造了响应变量分位数差异的对数经验似然比统计量. 与以往研究结果不同的是本文在一定条件下证明了该统计量的极限分布为标准, 降低了由于权系数估计带来的误差, 进一步构造出了精度更高的分位数差异的经验似然置信区间.     

含测量误差的部分线性模型的发散参数估计(英文)

本文考虑了部分线性模型中,线性部分协变量含有测量误差,并且线性部分的参数随着样本量的增大而发散的估计问题.我们考虑了用可观测的替代变量来替代不可观察到的真实变量,这种替代变量的期望与真实变量存在线性关系.我们提出了估计方法,并研究了估计量的相合性与渐进正态性.此外,我们研究了发散参数的发散速度.我们通过模拟来说明该估计的实际效果.     

内生性协变量下广义变系数模型的工具变量估计

在模型的部分协变量为内生性协变量的情况下,考虑广义变系数模型的一类估计问题.通过结合基函数逼近和一些辅助变量信息,提出了一个基于工具变量的估计过程.并得到了估计的相合性和收敛速度等渐近性质.所提出的估计方法可以有效地消除协变量的内生性对估计精度的影响,并且具有较好的有限样本性质.     

一类因果模型的可识别性条件

因果问题在近代医学,生物学,社会科学的研究中占有非常重要的地位。通过因果关系预见某些行为或策略对研究对象的影响已经成为一些实际研究的最终目的。Rubin(1978)提出了解决因果问题的虚拟事实模型,建立了因果推断统计分析的基本框架。虚拟事实模型的因果效应是以实际观测数据为研究对象的,但又不完全由数据之间的相关性决定,因此在讨论因果效应时存在可识别性问题。如果因果效应可识别,则有可能利用观测数据直接计算因果效应。但是,众 所周知:在不加任何假设或限制的条件下,虚拟事实模型的因果效应是不可识别的。若要研究变量间的因果效应就必须对虚拟事实模型加入某些必要的限制,使因果效应在这些限制下可识别。郑忠国,张艳艳,童行伟在“因果模型因果效应的可识别性研究”中针对控制变量与协变量相互独立的一类模型的可识别性进行了研究,指出在某些特定的可替换性假设之下,模型的因果效应具有可识别性。该文将针对控制变量作用于协变量的虚拟事实模型进行可识别性研究。作者将指出:控制变量是否作用于协变量并不影响因果效应的可识别性和可替换性假设。并给出:此类模型因果效应可唯一确定的充要条件 。      

带有辅助信息的多元失效时间数据的估计标准部分似然方法

在许多实际研究中, 由于预算限制, 主协变量值只能对某一个有效集进行准确测量, 但同时对应此主协变量的辅助信息则对全部个体均可以观测. 利用这些辅助协变量的信息有助于提高统计研究的效率. 本文在基于共同基准危险率的边际模型框架下, 我们提出了一些统计推断方法来分析多元失效时间数据. 对于回归参数, 我们提出标准的估计部分似然方程来估计它, 同时也给出了累积基准危险率函数的Breslow 型估计. 得到的估计可以证明是相合的和渐近正态的. 利用模拟分析结果来表明了提出的方法在有限样本下的可行性.     

通脑活络针刺法治疗脑梗死患者的BI与NIHSS指数的协方差分析

利用协方差分析将那些认为很难控制的因素,即患者入院时的BI得分或NIHSS得分作为协变量x,在排除协变量x对观测变量y,即治疗90天后患者的BI、NIHSS得分影响的条件下,分析治疗方法对治疗90天后患者的BI、NIHSS得分的影响,从而更加准确地对治疗方法进行评价.     

带辅助协变量的相关失效时间数据的加权估计伪部分似然方法

本文在不同基准风险边际模型下考虑带辅助协变量的相关失效时间数据的统计推断.假设感兴趣的主协变量仅在全研究队列的一个子集中是精确测量的,而主协变量的辅助协变量则对研究队列的全部个体均可获得.首先利用辅助信息经验地估计相对风险函数,然后提出一种加权估计伪部分似然(weighted estimated pseudo-part...     

带有污染协变量和辅助生存信息的Cox模型的改进估计方法研究

在流行病学、生物医学和临床试验等领域的研究中, Cox模型是最受欢迎的半参数回归模型之一.在建模过程中,观测到的协变量通常是被污染的,污染因子可测,但是污染函数未知,直接使用被污染的协变量进行参数估计,可能会造成错误的统计推断.研究者往往发现疾病治疗的最佳时刻点,如果忽略这些辅助生存信息,可能导致估计效率的降低.本文研究带有污染协变量和辅助生存信息的Cox模型的一种改进估计,通过核平滑方法校准受污染的协变量,并通过分组提取辅助生存信息用于参数估计,然后使用广义矩估计方法解决超维方程组求解的问题.模拟分析和实证研究结果表明:基于协变量校准后的Cox模型的广义矩估计方法比偏似然估计方法、协变量未调整的Cox模型的广义矩估计方法的效果更好.     

定向链环的一个多项式不变量

文[1]和[2]分别给不定向链环和定向链环定义了一个多项式不变量Q和P,本文对定向链环定义了一个多项式不变量F,它完全确定了Q,部分地确定了P。     

基于众数回归的变系数部分线性工具变量模型的稳健估计

基于众数回归,利用工具变量研究含有内生变量的变系数部分线性模型的稳健估计.首先,引入工具变量对内生协变量进行分解,从而得到内生协变量的一致估计;其次,运用B样条基函数近似模型中的非参数部分,将模型简化;进一步,基于众数回归的思想,结合EM算法得到参数和非参数函数的估计.在一定条件下,证明估计量的大样本性质;最后,利用模拟实验和真实实例验证所提方法的有效性.     

含方程误差的异方差重复测量误差模型参数估计

对于含测量误差的重复测量数据,协变量与响应变量真值之间可能不存在完全匹配关系,即存在方程误差.且变量真值的测量误差方差可能与样本的某种特征有关,即存在异方差性.以此类数据为驱动,讨论了含方程误差的异方差重复测量误差模型的建模和估计问题,基于EM算法给出了模型参数的显式极大似然迭代估计.最后通过模拟计算和实例分析,讨论了模型和估计方法的有效性.     

带信息观测的与时间相关协变量的面板计数数据分析

面板计数数据在许多临床和观察性研究中十分常见,在某些情况下,观测过程是带信息的.文章提出了一个新的联合模型来分析带与时间相关协变量的面板计数数据,其中可能存在带两个潜在变量的信息观测过程.对于所提模型的推断,建立了一类估计方程,得到的估计量经证明是相合的和渐近正态的.最后通过数值模拟评估了文章中所提估计的有限样本性质,...     

多类型复发事件下变系数加性乘积比率回归模型

本文基于多类型复发事件数据,讨论了一个新的加性乘积比率回归模型,该模型包括两部分,其中第一部分为可加Aalen模型,其中协变量影响为加性的且与时间有关.第二部分为Cox回归模型,其中协变量有乘性影响.利用估计方程的方法,给出了该模型中未知参数和非参数函数的一种估计方法,并利用现代经验过程理沦证明了所得估计的相合性和渐近正态性.     

带终止事件纵向数据半参数部分线性单指标模型

在纵向研究中,我们常常会对一些非终止事件感兴趣,例如,与健康相关的生存质量.然而,死亡事件可能会在我们观测到这些感兴趣的变量之前发生,这种情况称之为截断数据.此外,每个个体的观察时间可能是不规律的,而且协变量对于感兴趣事件的影响也可能很复杂.本文提出了一个新的用于拟合被死亡截断的数据的半参数部分线性单指标模型,并用局部线性核方法近似非参数的连接函数,构造了参数部分的估计方程.本文证明了连接函数的局部线性核估计具有一致相合性,但收敛速度低于n~(1/2).为了消除这一低速收敛的影响,本文提出了一种数据分割的方法,证明了参数部分估计量的渐近正态性.本文通过一些数值模拟检验所提方法在有限样本下的表现,并分析了一组老年痴呆症的数据.     

线性定常系统规范结构分解问题的研究

单输入单输出线性定常系统的状态空间按能控性和能观测性进行结构分解,能全面、完整的反映系统的各个子系统特性,理论上揭示状态空间的本质特征.通过规范性分解,不完全能控和不完全能观测的连续时间线性时不变系统可分解为"能控能观测","能控不能观测","不能控能观测","不能控不能观测"四个子空间,但是其分解后子空间的维度受非奇异变换矩阵P_c的影响.提出了一种约束变量的方法,用来选取P_c中列向量的规则,以控制原系统分解后子空间的表现形式.经实例验算,方法简单有效,具有一定的教学和理论意义.     

协变量含误差下广义线性模型的SEE变量选择

利用一些辅助信息作为工具变量并结合光滑门限估计方程(SEE)方法,针对协变量含有测量误差广义线性模型提出一个工具变量类型的变量选择方法.该方法可以在估计模型中非零回归系数的同时,剔除模型中不显著的协变量,从而达到变量选择的目的.另外,该变量选择过程不需要求解任何凸优化问题,从而具有较强的适应性并且在实际应用比较容易计算.理论证明该变量选择方法是相合的,并且对非零回归系数的估计达到了最优的参数收敛速度.数值模拟结果表明所提出的变量选择方法可以有效地消除测量误差对估计精度的影响,并且具有较好的有限样本性质.     

不完全信息和模糊厌恶下DC型养老金最优投资策略

在信息部分可观测的金融市场中,参与者可投资于一个无风险资产、一个滚动债券和一支股票。其中,股票的预期收益率由一个服从均值-回复过程的预测因子预测。参与者是模糊厌恶的,只能观测到股票价格和利率,却无法观测到预测因子。利用滤波技术和动态规划原理,得到了不完全信息和模糊厌恶下DC型养老金最优投资策略的解析式。进一步,利用敏感性分析和比较静态分析,对比仅考虑不完全信息、仅考虑模糊厌恶以及同时考虑不完全信息和模糊厌恶三种情形下的最优投资策略。结果表明同时考虑不完全信息和模糊厌恶时的最优投资策略最保守,仅考虑不完全信息时的最优投资策略对风险厌恶系数的变化最敏感。