�������ܶȱ�ģ���µ����ø�����Ϣ�ľ�����Ȼ��ֵ��

??Auxiliary population information is often available in finite population inference problems, and the empirical likelihood (EL) approach has been demonstrated to be flexible and useful for such problems. The present paper concerns EL when interest centers on inference for the mean of the baseline distribution under two-sample density ratio models. Although dual EL is a convenient technical tool since it has the same maximum point and maximum likelihood as DRM-based EL, it can not combine such auxiliary information into the likelihood conveniently and may have loss of efficiency. By contrast, the classical EL approach of Qin and Lawless\ucite{21} does not have this problem and incorporate seamlessly auxiliary information. Based on the EL using auxiliary information and the dual EL methods, we construct both point and interval estimations and make a careful comparison. Though the point estimation efficiency gain obtained by the former is not noticeable, we find that they may have different performances in interval estimation. In terms of coverage accuracy, the two intervals are comparable for not or moderate skewed populations, and the EL interval using auxiliary information can be much superior for severely skewed populations.     

A Note on the Estimation of Semiparametric Two-Sample Density Ratio Models

In this paper,a semiparametric two-sample density ratio model is considered and the empirical likelihood method is applied to obtain the parameters estimation.A commonly occurring problem in computing is that the empirical likelihood function may be a concaveconvex function.Here a simple Lagrange saddle point algorithm is presented for computing the saddle point of the empirical likelihood function when the Lagrange multiplier has no explicit solution.So we can obtain the maximum empirical likelihood estimation (MELE) of parameters.Monte Carlo simulations are presented to illustrate the Lagrange saddle point algorithm.     

半参数两样本密度比率模型估计问题的一点注记

In this paper,a semiparametric two-sample density ratio model is considered and the empirical likelihood method is applied to obtain the parameters estimation.A commonly occurring problem in computing is that the empirical likelihood function may be a concaveconvex function.Here a simple Lagrange saddle point algorithm is presented for computing the saddle point of the empirical likelihood function when the Lagrange multiplier has no explicit solution.So we can obtain the maximum empirical likelihood estimation (MELE) of parameters.Monte Carlo simulations are presented to illustrate the Lagrange saddle point algorithm.     

m相依样本下均值的经验似然比置信区间

在强平稳m相依样本下讨论了均值的经验似然置信区间估计,推广了Owen[1—2]在独立同分布情况下的结果.指出其不足并进行了合理的改进,并提出了分组经验似然的概念.     

在分层抽样下有效利用辅助信息及含于层总体大小中的信息的经验似然方法

本文考虑用在分层随机抽样下的经验似然方法来获得有限总体参数的估计量\bd 我们指出, 经验似然方法非常自然地结合辅助信息和含于层总体大小中的信息\bd 我们的结果显示, 由经验似然方法可获得有效估计.     

强混合样本下密度函数的经验似然统计大样本性质

本文将在强混合样本下,利用分组经验似然比方法,构造密度数的置信区间。     

相依序列密度函数的经验似然推断

本文利用了强平稳$m-$相依序列的特殊性质,讨论了$m-$相依序列密度函数的经验似然推断, 给出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. 并且通过模拟计算来说明有限样本下应用经验似然方法的合理性.     

附加信息下的局部线性估计

在回归模型中，对一类因变量函数的条件期望方程的附加信息，我们提出了基于极大经验似然方法的局部线性点估计，在一定条件下证明了这些估计的相合性和渐近正态性，而且估计的方差小于通常不带附加信息核估计的方差．模拟结果也显示了估计的优良性．     

在有辅助信息情况下检验一约束集的经验似然比统计量的渐近分布

考虑了在有辅助信息情况下对M-泛函的一约束集进行统计检验的问题.我们定义了经验似然比检验统计量,并获得了它们的渐近分布.     

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.     

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.     

利用完全辅助信息的模型校正信息论方法 (英)

本文我们提出了使用调查数据中完全辅助信息的模型校正K-L相对熵最小化方法．在估计有限总体均值时我们的估计渐近等价于MC估计(Wu and Sitter(2001))．我们方法一个有吸引力的优点是,导出的权具有特征:pi>0和■pi=0 ．这使得可把此方法应用于估计分布函数和分位数．导出的分布函数估计量FMKL(y)渐近等价于广义回归估计,且本身是一分函数布．     

线性相关模型中误差方差的经验似然估计及其Bootstrap

该文利用经验似然方法，对线性相关模型中误差方差的传统最小二乘型估计进行修正，得到的修正估计其渐近方差比传统估计的更小．同时，我们还讨论了修正估计的Bootstrap逼近问题．关键词##4相关模型;;误差方差;;最小二乘;;经验似然;;Bootstrap．     

Empirical Likelihood Confidence Bands in Density Estimation

Abstract

Empirical likelihood methods are developed for constructing confidence bands in problems of nonparametric density estimation. These techniques have an advantage over more conventional methods in that the shape of the bands is determined solely by the data. We show how to construct an empirical likelihood functional, rather than a function, and contour it to produce the confidence bands. Analogs of Wilks's theorem are established in this infinite-parameter setting and may be used to select the appropriate contour. An alternative calibration, based on the bootstrap, is also suggested. Large-sample theory is developed to show that the bands have asymptotically correct coverage, and a numerical example is presented to demonstrate the technique. Comparisons are made with the use of bootstrap replications to choose both the shape and size of the bands.     

泊松回归模型中协变量含误差的经验似然推断

在模型的协变量含有测量误差的情况下,考虑一类泊松回归模型的统计推断问题.通过巧妙地构造辅助随机向量,提出一个工具变量类型的经验似然统计推断方法.证明构造的经验对数似然比函数渐近服从标准卡方分布,进而给出了回归系数的置信区间.所提出的估计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.     

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.     

两个未知均值方差混合模型有限制下对数极大似然比的极限分布

本文讨论了检验样本是来自一个正态总体还是两个未知均值和方差的正态的混合分布,采用对数极大似然比的检验,如果不加限制,Ｈａｒｔｉｎｇａｎｍ曾指出不是寻找的、Ｘ＾２分布,我们在混合的中了一点后得到了其极限分布产工给出了分位点数值表。     

纵向数据部分线性模型的广义经验似然推断

考虑纵向数据部分线性模型,针对纵向数据个体内的相关性特点,通过引入估计的作业协方差矩阵,构造了模型中未知参数的三种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依分布收敛于χ~2分布,所得结果可以构造未知参数的置信域.最后通过模拟研究对所提方法进行了说明.     

缺失数据均值推断的经验似然方法

研究了缺失数据的均值推断问题.在随机缺失及半参数模型的假设下,设计了基于影响函数理论的经验似然推断方法,证明了所构造的对数经验似然比检验统计量具有非参数Wilks性质.此外,该经验似然方法可以利用辅助协变量中提供的附加信息来提高检验的功效.在近邻备择假设下,计算了检验统计量的功效,并且通过一些模拟考察了该方法在有限样本下的表现.     

纵向数据单指标模型中参数的经验似然置信域

考虑纵向数据单指标模型,针对纵向数据组间独立的特点,提出了模型中未知参数的三种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依分布收敛于x~2分布,所得结果可以构造未知参数的置信域.进一步证明了所提出的纠偏的经验对数似然比有许多优良的性质.通过模拟研究对所提方法进行了说明.