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.     

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.     

协变量随机缺失下线性模型的经验似然推断及其应用

考虑协变量带有缺失的线性模型,提出了加权的经验似然方法和借补的经验似然方法,证明了所提出的经验对数似然比渐近于χ~2分布,由此构造回归系数的置信域。模拟研究了所提出方法的有限样本性质,并进行了实例分析。     

缺失数据下线性模型中回归参数的经验似然置信区域

在缺失样本下,构造了线性模型中参数的调整的经验似然置信域,数值模拟表明调整的经验似然置信域有较好的覆盖率和精度.     

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.     

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.     

带有缺失数据的非线性误差模型中参数的置信域

考虑协变量有测量误差且响应变量随机缺失的非线性模型.在条件分布形式已知的情况下,通过借补方法构造了参数的经验似然,提出了基于模拟的经验似然,证明了所构造的统计量都具有渐近x~2分布,所得结果可构造未知参数的置信域.     

删失数据下单指标模型的经验似然推断

考虑删失数据下单指标模型, 研究了模型中参数的经验似然推断, 证明了所提出的调整的经验对数似然比渐近于卡方分布, 由此构造相应兴趣参数的置信域. 进一步, 由于模型中参数向量的范数等于1,利用该约束条件来降低参数的维数, 从而增加置信域的精度.模拟研究比较了经验似然方法和正态逼近方法的有限样本性质,从置信域的面积和覆盖概率两方面进行了比较,模拟结果表明经验似然方法优于正态逼近方法.     

Panel Count Data模型参数的经验似然推断

对Panel Count Data的处理越来越受到人们的关注,Sun与Wei^([1-2])基于简单的半参数模型,提出了Panel Count Data的回归分析,并且给出了参数的估计方程。本文则基于经验似然的思想,讨论了上述Panel Count Data模型参数的置信域构造问题,特别仅通过经验似然置信区域给出了参数估计的方差阵估计,证明了估计的1/n相合性。基于Sun与Wei所给的数据,给出了参数置信区域的具体构造过程和结果。通过作图比较可以看出经验似然置信域要优于依据渐近正态性所构造的置信域。我们还依据所作出的经验似然置信域对参数估计的方差矩阵进行了估计,与用传统渐近正态性得到的矩阵较为接近。     

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.     

纵向数据下部分非线性模型的广义经验似然推断

本文研究了纵向数据下部分非线性模型中未知参数的置信域的构造.利用经验似然方法,构造了非线性函数中未知参数的广义对数经验似然比统计量,证明了其渐近于卡方分布.同时,得到了未知参数的最大经验似然估计,并证明了其渐近正态性.     

变系数EV模型的局部纠偏经验似然

本文研究变系数EV模型,构造了未知系数函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都具有渐近χ2分布,所得结果可以用来构造未知系数函数的逐点置信域.通过模拟研究比较了经验似然方法与正态逼近方法在逐点置信域构造方面的优劣.     

纵向数据下变系数部分非线性模型的经验似然推断

考虑了纵向数据下变系数部分非线性模型中参数分量置信域的构造.为避免纵向数据组内相关性给构造经验似然比带来的困难,提出了参数分量的分块经验对数似然比统计量,证明了所构造的分块经验似然比统计量渐近于卡方分布.数据模拟表明所提出的分块经验似然方法在置信域大小和覆盖率方面要优于正态逼近方法.     

随机右删失数据下半参数线性变换模型的经验似然推断

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

随机右删失数据下半参数线性变换模型的经验似然推断北大核心CSCD

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

具有随机右删失随机变量分位数的经验似然推断

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.     

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.     

强混合样本下非参数回归函数的经验似然推断

在回归变量和响应变量的观察值为强混合随机变量序列时,本文利用分组经验似然方法构造了非参数回归函数的经验似然置信区间,同时通过模拟研究了本文提出的方法的优良性.     

非线性半参数EV模型的经验似然置信域

考虑非参数协变量带有测量误差的非线性半参数模型,构造了模型中未知参数的经验对数似然比统计量,在测量误差分布为普通光滑分布时,证明了所提出的统计量具有渐近χ2分布,由此结果可以用来构造未知参数的置信域.另外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.就置信域及其覆盖概率大小方面,通过模拟研究比较了经验似然方法与最小二乘法的优劣.     

带Gauss型误差的GMANOVA-MANOVA模型中未知参数的精确置信域

对于带Gauss型误差的GMANOVA-MANOVA模型,在均匀协方差结构下,求出了其中未知参数的极大似然估计及其均值和方差,并依据极大似然估计构造了未知参数的精确置信域.