右删失数据下非线性回归模型的经验似然推断

考虑随机右删失数据下非线性回归模型,提出了模型中未知参数的调整的经验对数似然比统计量.在一定的条件下,证明了.所提出的的统计量具有渐近χ~2分布,由此结果构造了兴趣参数的置信域.通过模拟研究,对经典的经验似然、调整的经验似然和非线性最小二乘方法在有限样本下进行了比较,并对氯离子浓度试验数据进行了分析.     

删失数据下医药费用的经验似然估计

生存时间数据删失问题是医药费用统计推断的一大难点,本文针对可以获得费用历史信息的情形,提出了在删失数据下医药费用的经验似然估计方法,给出在一定置信水平下感兴趣参数的置信区间.通过模拟,比较了在不同样本量下本文提出的方法与已有方法的表现,结果是我们的方法得到的置信区间更短,估计效果更好.同时,我们也针对一项心脏病实验的实际数据进行了相关分析和比较,得到满意的结果.     

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.     

基于经验似然贝叶斯计算方法在随机波动模型中的应用

基于经验似然的贝叶斯计算方法(Bayesian Computation with Empirical Likelihood,BCel)对两种随机波动模型SV-N、SV-T模型进行参数估计,数值实验验证了该方法的可行性和有效性,与传统的基于马尔科夫链蒙特卡罗方法进行了对比研究.最后将SV-T模型应用到上证指数上,利用BCel算法得出该模型的参数估计结果.     

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.     

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。     

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.     

Logistic回归模型的经验似然诊断

经验似然方法已经被广泛用于许多模型的统计推断.基于经验似然对Logistic回归模型进行统计诊断.首先给出模型的估计方程,进而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;最后通过实例分析,说明了统计诊断方法的有效性.     

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.     

指数总体删失数据的极大似然估计

对取自均值为λ的指数分布的缺失数据,在完全随机缺失、右删失、非随机缺失三种缺失机制下,分别推导了参数的极大似然估计,并做了随机模拟.     

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.     

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     

基于经验似然的部分线性模型的统计诊断

经验似然方法己经被广泛应用于许多模型的统计推断.本文基于经验似然对部分线性模型进行统计诊断.首先给出模型的估计方程,进而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;最后通过随机模拟和实例分析,说明了统计诊断方法的有效性.     

可加模型中参数的经验欧氏似然估计

可加模型是参数设计中一个非常重要,实用的模型。本文讨论了可加模型中参数的经验欧氏似然估计及其性质,并给出了一种与参数的经验欧氏似然估计渐近等效的加权LS估计,最后分析了一个数值例子。     

多重Ⅱ型删失数据的近似似然函数及应用

多重Ⅱ型删失数据是一种很常见的数据删失类型，处理起来也非常困难，本文获得了多重Ⅱ型删失数据的一种近似似然函数，并证明了在大样本场合下，这种近似与似然函数是等价的。基于该近似似然函数，求得了参数的近似极大似然估计与近似Bayes估计，并讨论似极大似然估计的性质。     

威布尔分布组与删失数据下最大似然估计的存在性

本文研究寿命服从威布尔分布,观测数据分组与可能删失的情况下,最大似然估计的存在性,针对所有数据类型,我们给出了最大似然估计存在性的一个充分必要条件,文章结尾讨论了仅一个失效数据时最大似然估计的计算。     

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.     

核实数据下反映缺失非线性EV模型的经验似然推断

考虑一类带有不完全数据的非线性模型,其协变量带有测量误差且反映变量随机缺失.通过核实数据和借补数据构造了回归参数θ的估计的经验对数似然比统计量,证明了所构造的似然比函数渐近独立标准X_1~2变量的加权和分布.在权未知的情况下,分别采用定义权的相合估计法和构造调整被估计的经验对数似然法构造出θ的渐近置信域.进一步,基于借补方法构造了反映变量均值的调整经验对数似然比统计量,并证明了统计量渐近标准X_1~2分布,所得结果可以用来构造反映均值的置信域.     

线性模型误差方差的经验似然估计

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.     

半参数模型的经验欧氏似然估计的大样本性质

本文证明了半参数模型的经验欧氏似然估计的强相合性和渐近正态性,还证明了经验欧氏似然比统计量的渐近x~2分布性,最后给出了几个例子。