线性模型误差方差的经验似然估计（英文）

本文应用经验似然方法得到了线性模型误差方差的一类新的估计,证明了估计的渐近分布为正态分布且渐近方差不超过常用的误差方差估计的渐近方差,同时给出了渐近方差的显式表达.     

平稳自回归模型的经验似然检验（英文）

这篇文章中,我们对平稳短记忆时间序列模型中的参数假设检验运用经验似然方法,在实际中,我们可能不仅关心所有参数的显著性而且更关心模型中的某一部分参数是否存在,因而我们除了建立检验所有参数的统计量,还建立了检验部分参数显著与否的统计量,这些统计量被证实都渐近服从卡方分布,另外,我们的模拟研究了检验的势函数并证实了提出的检验程序的有效性.     

超高维数据特征筛选方法综述

随着数据收集和存储能力的大幅提高,超高维数据~([9]),即数据维数伴随着样本呈指数增长,频繁出现在许多科学邻域.此时,惩罚类变量选择方法普遍遭遇三个方面的挑战:计算的复杂性,统计的准确性以及算法的稳定性.Fan和Lv~([9])首先提出超高维特征筛选的方法,并在近十多年取得大量研究成果,成为当今统计最热点的研究邻域.本文主要从带模型假设,包含参数、非参数半参数模型假定的筛选方法、无模型假设的筛选以及特殊数据的筛选方法四个角度来介绍超高维筛选相关工作,并简要探讨目前超高维筛选方法存在的问题以及未来可能的研究方向.     

基于经验似然方法的向量复合泊松过程研究（英文）

在本文中,在随机过程的一阶矩和二阶矩都存在的条件下,当随机过程时间趋于无穷大时,我们将证明关于向量复合泊松过程期望的对数似然比统计量依分布收敛到F分布.最后,通过数值模拟实验表明我们的方法是可行的.     

平均经验似然方法

经验似然方法自提出以来,得到了广泛的应用.但是,经验似然方法也存在一些问题,特别是在样本量较小时覆盖率较低.针对这个问题,以往文献中有许多讨论.本文用全新的数据处理方法来解决这个问题,这个方法称为平均经验似然方法.它的基本想法就是将原始数据两两平均,然后用新的数据集来构造经验似然比统计量.本文证明新构造的平均经验似然比统计量仍然满足Wilks性质,而且容易推广.随机模拟表明,新方法计算简单快速,与以往方法相比较,新方法所构造的置信区间覆盖率大大提高.     

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.     

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.     

相协误差下部分线性模型的经验似然推断（英文）

在平稳相协误差下,本文采用分组经验似然方法构造部分线性模型回归系数的置信区域,证明了分组经验似然比统计量渐近卡方分布,该结果可用于构造回归系数的经验似然置信域.进一步地,我们还在有限样本情形做了数值模拟研究.     

弱相依数据中的分组经验Cressie-Read似然方法

本文考虑一般的弱相依数据, 提出了分组经验Cressie-Read似然方法. 得到了分组经验Cressie-Read似然参数估计的强收敛性、渐近正态性和其分组经验Cressie-Read统计量的渐近$\chi^{2}$性.     

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.     

区间数据均值的经验似然估计

本文提出了估计区间数据均值的经验似然方法,通过构造区间数据的无偏转换,导出了渐近服从χ2分布的对数经验似然函数,从而得到了均值的置信区间.通过若干模拟例子说明,用本文提出的方法得到的估计,优于用渐近正态法得到的估计.     

核实数据下非线性EV模型中经验似然降维推断

本文研究了响应变量有误差的非线性模型.应用半参数降维技术构造未知参数的被估计经验似然及调整的经验似然,证明了所提出的被估计的经验对数似然与其调整的经验对数似然分别渐近于独立卡方变量加权和的分布与标准卡方分布,所得结果可用来构造未知参数的置信域.     

具有随机右删失随机变量分位数的经验似然推断（英文）

本文研究了具有随机右删失随机变量分位数的置信域的构造.利用经验似然和截尾值估算相结合的方法,给出了分位数的对数经验似然比统计量,在较少的条件下证明了该统计量的极限分布为自由度为1的x~2分布.使得完全数据下的分位数的经验似然推断方法应用到非完全数据中.     

二阶扩散过程的非参数经验似然拟合优度检验（英文）

本文考虑二阶扩散过程的非参数拟合优度检验问题.首先构造一个非参数检验来检验二阶扩散过程的漂移函数是否是含有未知参数的参数形式;其次,利用经验似然方法构造二阶扩散模型的拟合优度检验的检验统计量;最后,建立检验统计量的渐近分布,并通过例子验证所提出的检验方法的有效性.     

增维非光滑估计方程的刀切经验似然方法

本文考虑具有非光滑U-统计量结构的估计方程中增维参数的估计问题,这一情形下,本文利用刀切经验似然方法对参数进行统计推断,并在一定正则条件下,证明所构造刀切似然统计量的渐近性质.最后,通过Monte Carlo数值模拟和实际数据分析,说明本文所提方法的优势.     

结合经验贝叶斯的极大似然方法

极大似然方法和贝叶斯方法是两种截然不同的统计方法 ,各有优缺点 .由于统计思想的不兼容 ,一般不结合起来使用 .本文根据统计学习理论的思想提出一种将两者结合使用的新方法 ,可以综合两者的优点 ,并以方差多变点问题为例给出了新的估计方法     

经验似然统计推断方法发展综述

本文在介绍经验似然方法的基础上，进一步介绍这一方法在统计推断中的应用，具体地介绍了这一方法在总体均值推断、线性模型推断、分位数推断、估计方程推断及利用辅助信息进行推断等几种重要统计推断中的应用，同时也介绍了这一方法最近在不完全数据中的应用及由此所提出的被估计、被调整及bootstrap经验似然方法。     

核实数据帮助下误差在反映线性模型经验似然降维推断

在核实数据帮助下, 考虑误差在反映线性模型. 半参数降维技术分别应用于定义β的渐近正态估计和β与其线性组合的被估计经验似然及调整经验似然. 我们分别证明被估计的经验对数似然及其调整的经验对数似然渐近于独立卡方变量加权和的分布及标准卡方分布.     

含有截断和缺失数据的经验似然推断

本文将经验似然的方法应用到同时包含截断和缺失数据的情况. 通过定义调整后的经验似然比, 证明它服从$\chi^2$分布. 利用随机模拟, 比较经验似然和正态方法的优劣. 结果发现经验似然方法在很多情况下都优于正态方法.     

缺失数据下估计方程的经验似然推断

将逆概率加权法和推广的逆概率加权法用于缺失数据下估计方程经验似然推断中,得到两种参数估计的渐近性质.同时可以得到两种方法所对应的估计方程是无偏的,相应的经验似然统计量都渐近卡方分布,从而避免的调整经验似然.数值模拟也进一步显示了两种方法的优势.