非线性回归模型中的约束拟似然

在非线性回归模型中,拟得分函数是一类线性无偏估计函数中的最优者(GodambeandHeyde(1987),朱仲义(1996)),而由拟得分函数得到的拟似然估计在由线性无偏估计函数得到的估计类中具有渐近最优性(林路(1999)).本文则研究非线性回归模型中的有偏估计函数理论,构造了参数的约束拟似然估计,得到了约束拟似然的局部最优性,局部改进了拟似然估计,从而扩充了线性模型中的有偏估计理论.     

非线性模型中的拟似然估计和约束拟似然估计

该文证明了,在非线性回归模型中,若以均方误差或均方误差矩阵为标准,拟似然估计是正则广义拟似然估计类中的最优估计,并讨论了拟得分函数最优性与拟似然估计最优性的关系.为改进拟似然估计,该文提出了一种约束拟似然估计,并证明了约束拟似然估计比拟似然估计有较小的均方误差.     

非线性模型中拟似然估计的若干性质

本文主要讨论拟得分函数在广义正则线性无偏函数类中的性质,并证明拟似然估计在泛似拟然估计类中的渐近最优性。     

经验似然重抽样下回归模型的Bootstrap逼近

本文提出用经验似然重抽样来bootstrap逼近线性回归模型中的学生化最小二乘估计．我们证明了该方法具有一般s－2项Edgeworth展开，它是二阶相合的而且比经典的方法损失更小．     

相依非线性回归系统中的附加信息Bayes拟似然

对多个相依统计模型的研究,现有成果主要集中在相依线性回归系统.本文则首次提出多个相依非线性回归系统中的附加信息Bayes拟似然,给出误差相关信息和先验信息在拟似然中的迭加方法,在较弱的条件下得到附加信息Bayes拟似然的一些性质,在Bayes风险准则下。讨论了其估计函数和参数估计的最优性,证明了附加信息Bayes拟似然的渐近 Bayes风险随着相依信息的增力。而逐步减少.     

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．     

随机受控分支过程中繁衍变量均值的经验似然估计

文章研究受控分支过程在随机环境下的繁衍变量均值的估计问题.我们基于加权条件最小二乘法构造估计方程,发展了一个经验似然比检验,并证明了这个检验统计量的极限分布是χ^2分布.最后通过随机模拟验证了经验似然方法有较高的覆盖概率.     

广义线性模型中一类推广的拟似然估计与异方差性诊断检验

本文考虑了随机设计情形下一类普通的异方差回归模型，在这个模型中，假定回归函数与方差函数之间的关系服从推广的广义非线性模型，该模型在实际中很常见，广义线性模型便是其特例，首先，我们导出了均值函数的局部加权拟似然估计，然后，用它来得到方差函数的估计，并且证明了这些估计有较好的性质，最后，建立了异方差检验统计量，文中的方法很吸引人。     

拟似然非线性模型中MQLE的弱相合性的充分条件

拟似然非线性模型包括广义线性模型作为一个特殊情形.给出了拟似然非线性模型中极大拟似然估计的弱相合性的一些充分条件,其中矩的条件要弱于文献中极大拟似然估计的强相合性的条件.     

带自适应设计的拟似然非线性模型中极大拟似然估计的强相合性

在带自适应设计的拟似然非线性模型中,在响应变量的矩条件尽可能弱和其它正则条件下,证明了以概率为1,当n充分大时,拟似然方程有一个解βn,它收敛于参数真值β0.     

两样本分位数差异的半经验似然比检验

设x1，…，xn；y1，…，ym为独立随机样本，x1，…，xn同分布，x1～F（x），F未知，y1，…；ym同分布，y1～Gθ（y），Gθ（y）的形式已知，θ为未知参数．本文结合非参数似然思想和参数似然方法讨论F和Gθ的分位数差异的检验问题，在一定的条件下得到了半经验似然比统计量的渐近分布．     

用非线性方程组求解等式约束非线性规划问题的降维算法

本文研究线性和非线性等式约束非线性规划问题的降维算法.首先,利用一般等式约束问题的降维方法,将线性等式约束非线性规划问题转换成一个非线性方程组,解非线性方程组即得其解;然后,对线性和非线性等式约束非线性规划问题用Lagrange乘子法,将非线性约束部分和目标函数构成增广的Lagrange函数,并保留线性等式约束,这样便得到一个线性等式约束非线性规划序列,从而,又将问题转化为求解只含线性等式约束的非线性规划问题.     

限制经验似然置信区域的置信概率的精度

证明了用限制经验似然比构造的置信区域的置信概率的阶为Ｏ（ｎ＾－１），使用Ｂａｒｔｌｅｔｔ修正方法将该误差的阶降为Ｏ（ｎ＾－２）。     

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.     

Adjusted empirical likelihood method for quantiles

Empirical likelihood (EL) was first applied to quantiles by Chen and Hall (1993,Ann. Statist.,21, 1166–1181). In this paper, we shall propose an alternative EL approach which is also some kind of the kernel method. It not only eliminates the need to solve nonlinear equations, but also is extremely easy to implement. Confidence intervals derived from the proposed approach are shown, by an nonparametric version of Wilks' theorem, to have the same order of coverage accuracy (order 1/n) as those of Chen and Hall. Numerical results are presented to compare our method with other methods.     

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.     

Lomax分布极大似然估计的两点研究

本文研究了Lomax分布参数极大似然估计的存在性和估计量的收敛性问题.利用严格的分析法和中心极限定理,获得了Lomax分布极大似然估计的存在性和估计量的渐近正态分布的结果,进一步推广到了有缺失数据的两个Lomax总体中,参数的极大似然估计有强相合性和渐近正态性.     

分组数据情形下对数正态分布参数的最大似然估计

我们研究了分组数据情形下对数正态分布所含参数的最大似然估计存在且唯一的充要条件，进而得到了最大似然估计具有强相合性及收敛速度服从重对数律的结论。     

Copula函数中参数极大似然估计的性质

设m维随机变量X＝(X1,X2,…,Xm)的copula函数为C(u1,u2,…,um);α)＝C((F1(x1),F2(x2),…,Fm(xm));α),本文在(X1,X2,…,Xm)的样本空间和(U1,U2,…Um)的样本空间上讨论了m元copula函数中参数α的极大似然估计,得到了边缘分布函数连续时,两样本空间上参数α的极大似然估计和最大后验估计的等价性;而边缘分布函数不连续时,两样本空间上参数α的极大似然估计和最大后验估计的渐近等价性.