缺失数据下半参数变系数部分线性模型的统计推断

该文研究协变量随机缺失下半参数变系数部分线性模型的统计推断.利用逆概率加权最小二乘方法给出了模型中参数分量和非参数分量的估计,并证明了它们的渐近正态性.另外该文又提出了一个逆概率加权经验对数似然比统计量,并证明该统计量服从标准χ~2分布,从而构造了模型中参数分量的经验似然置信域.最后通过模拟研究和实例分析说明该文提出的方法具有较好的有限样本性质.     

因变量缺失下部分线性变系数模型的稳健估计

本文讨论因变量缺失下部分线性变系数模型在误差项和解释变量都含有异常点时的稳健估计问题。首先用局部加权线性光滑方法得到非参数部分的稳健估计,然后再得到参数部分的估计,并证明参数和非参数估计量的渐近正态性。最后模拟研究有限样本下估计量的表现。     

缺失数据下基于众数回归的变系数部分非线性模型的估计

针对响应变量随机缺失的变系数部分非线性模型,提出了一种稳健的基于众数回归的估计方法.采取逆概率加权方法,利用QR正交分解技术,分别得到了未知参数和变系数函数的众数回归估计量.在一定条件下,证明了估计量的渐近性质.通过数值模拟和实际数据分析,说明了所提估计方法的有效性.     

因变量缺失下部分线性变系数变量含误差模型的估计

该文主要考虑部分线性变系数模型在自变量含有测量误差以及因变量存在缺失情形下的估计问题.基于Profile最小二乘技术,针对参数分量和非参数分量提出了多种估计方法.第一种估计方法只利用了完整观测数据,而第二种和第三种估计方法分别利用了插补技术和替代技术.参数分量的所有估计被证明是渐近正态的,非参数分量的所有估计被证明和一般非参数回归函数的估计具有相同的收敛速度.对于因变量的均值,构造了两类估计并证明了它们的渐近正态性.最后,通过数值模拟验证了所提方法.     

缺失数据下非线性半参数EV模型的估计

考虑解释变量带有测量误差且响应变量随机缺失情形下的非线性半参数EV模型. 利用核实数据,构造了未知参数和非参数函数的两种估计.证明了未知参数估计的渐近正态性,给出了非参数函数估计的最优收敛速度.     

缺失数据下的半参数变系数模型的借补估计

本文在响应变量随机缺失情形下讨论了半参数部分线性变系数模型的估计问题.首先采用局部线性方法估计系数函数,然后进一步估计常数系数.最后利用回归方法借补缺失的响应值,再用全部数据估计常数系数.本文进-步讨论了利用完整个体方法及借补方法求得的参数估计的渐近性质,并进行了模拟比较.     

因变量缺失下变系数部分线性测量误差模型的变量选择

主要研究因变量存在缺失且协变量部分包含测量误差情形下,如何对变系数部分线性模型同时进行参数估计和变量选择.我们利用插补方法来处理缺失数据,并结合修正的profile最小二乘估计和SCAD惩罚对参数进行估计和变量选择.并且证明所得的估计具有渐近正态性和Oracle性质.通过数值模拟进一步研究所得估计的有限样本性质.     

非参数部分带有测量误差的部分线性变系数模型的经验似然推断

研究非参数部分带有测量误差的部分线性变系数模型,构造了模型中未知参数的局部纠偏经验对数似然比统计量,在适当条件下,证明了所提出的统计量具有渐近x2分布,由此结果可以用来构造未知参数的置信域.并且还构造了未知参数的最大经验似然估计及系数函数的估计,证明了它们的渐近性质.最后通过数值模拟研究了所提估计方法在有限样本下的实际...     

核实数据下非线性半参数EV模型的估计

本文研究了核实数据下的协变量带有测量误差的非线性半参数EV模型.在不假定测量误差结构的情形下,利用最小二乘方法和核光滑技术,构造了非线性函数中未知参数的两种估计,证明了未知参数估计的渐近正态性.通过数值模拟说明所提估计方法在有限样本下的有效性.     

半参数变系数部分线性模型的统计推断

本文在多种复杂数据下, 研究一类半参数变系数部分线性模型的统计推断理论和方法. 首先在纵向数据和测量误差数据等复杂数据下, 研究半参数变系数部分线性模型的经验似然推断问题, 分别提出分组的和纠偏的经验似然方法. 该方法可以有效地处理纵向数据的组内相关性给构造经验似然比函数所带来的困难. 其次在测量误差数据和缺失数据等复杂数据下, 研究模型的变量选择问题, 分别提出一个“纠偏” 的和基于借补值的变量选择方法. 该变量选择方法可以同时选择参数分量及非参数分量中的重要变量, 并且变量选择与回归系数的估计同时进行. 通过选择适当的惩罚参数, 证明该变量选择方法可以相合地识别出真实模型, 并且所得的正则估计具有oracle 性质.     

Statistical Inference in Single-Index and Partially Nonlinear Models

A finite series approximation technique is introduced. We first applythis approximation technique to a semiparametric single-index model toconstruct a nonlinear least squares (LS) estimator for an unknown parameterand then discuss the confidence region for this parameter based on theasymptotic distribution of the nonlinear LS estimator. Meanwhile, acomputational algorithm and a small sample study for this nonlinear LSestimator are developed. Additionally, we apply the finite seriesapproximation technique to a partially nonlinear model and obtain some newresults.     

Statistical estimation in varying coefficient models with surrogate data and validation sampling

Varying coefficient error-in-covariables models are considered with surrogate data and validation sampling. Without specifying any error structure equation, two estimators for the coefficient function vector are suggested by using the local linear kernel smoothing technique. The proposed estimators are proved to be asymptotically normal. A bootstrap procedure is suggested to estimate the asymptotic variances. The data-driven bandwidth selection method is discussed. A simulation study is conducted to evaluate the proposed estimating methods.     

因变量缺失下线性变量含误差模型的估计

主要考虑线性模型在自变量测量含误差以及因变量缺失情况下的估计问题.对于模型中的回归系数,我们基于最小二乘方法提出了两类估计,其中一类估计只由完整观测数据构成,而另外一类估计利用的则是利用简单插补方法构造的完整数据.证明了这两类估计是渐近正态性的.     

Statistical Inference for Partially Linear Regression Models with Measurement Errors

In this paper,the authors investigate three aspects of statistical inference for the partially linear regression models where some covariates are measured with errors.Firstly, a bandwidth selection procedure is proposed,which is a combination of the differencebased technique and GCV method.Secondly,a goodness-of-fit test procedure is proposed, which is an extension of the generalized likelihood technique.Thirdly,a variable selection procedure for the parametric part is provided based on the nonconcave penalization and corrected profile least squares.Same as＂Variable selection via nonconcave penalized likelihood and its oracle properties＂（J.Amer.Statist.Assoc.,96,2001,1348-1360）,it is shown that the resulting estimator has an oracle property with a proper choice of regularization parameters and penalty function.Simulation studies are conducted to illustrate the finite sample performances of the proposed procedures.     

非参数固定效应Panel Data模型的统计推断

本文主要讨论了非参数固定效应Panel data模型的估计与检验问题,首先我们利用Profile最小二乘方法得到了固定效应与非参数部分的估计;接着基于比较原假设与备择假设下模型拟合的残差平方和的思想针对固定效应的检验问题构造了检验统计量,并给出了计算检验p-值的F分布逼近法。     

部分线性变系数模型中估计的渐进正态性

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类应用非常广泛的模型,本文基于Profile最小二乘方法给出了模型中参数分量与非参数分量的估计,并在异方差情形下证明了这些估计的渐进正态性.     

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．     

核实数据下删失线性EV模型的经验似然推断

本文考虑协变量带有误差的删失线性回归模型,借助于核实数据,对回归系数构造了两种经验对数似然比统计量,证明了所提出的估计的经验对数似然比统计量渐近收敛到一个自由度为1的独立χ2变量的加权和;而经调整后所得的调整的经验对数似然比统计量具有渐近标准χ2p分布,所得结果可以用来构造未知参数的置信域,通过模拟研究在置信域的精度及其平均区间长度大小方面进行了比较。     

缺失数据下线性模型回归系数估计的大样本性质

在响应变量满足MAR缺失机制下，我们分别研究了基于观察到的完全样本数据对、基于固定补足后的“完全洋本”和基于分数线性回归填补后的“完全洋本”得到的回归系数的最小二乘估计的弱相合性、强相合性及渐近正态性，我们还通过数值模拟，比较了基于上述估计得到的β的置信区间的优劣。