非线性半参数回归模型中参数的经验似然置信域

该文考虑非线性半参数回归模型,构造了模型中未知参数的经验对数似然比统计量,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,该文也构造了未知参数 的最小二乘估计量,并证明了它的渐近性质.仅就置信域精度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.     

核实数据下非线性半参数EV模型的经验似然推断

考虑带有协变量误差的非线性半参数模型,借助于核实数据,本文构造了未知参数的三种经验对数似然比统计量,证明了所提出的统计量具有渐近X2分布,此结果可以用来构造未知参数的置信域．另外,本文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．仅就置信域及其覆盖概率的大小方面,通过模拟研究比较了经验似然方法与最小二乘法的优劣．     

缺失数据下半参数回归模型的经验似然推断

针对响应变量缺失下的半参数回归模型,构造模型中未知参数的经验对数似然比统计量,证明了所提出的统计量具有渐近χ2分布,由此构造未知参数的置信域,并就置信域的覆盖概率及区间长度方面,通过模拟研究与最小二乘法进行优劣比较.     

缺失数据下非线性EV模型参数的经验似然置信域

考虑解释变量带有测量误差且响应变量随机缺失情形下的非线性EV模型.通过利用核实数据, 构造了未知参数的两种经验对数似然比统计量. 证明了所构造统计量的分布渐近于χ²分布, 所得结果可以用来构造未知参数的渐近置信域.     

非参数部分带有测量误差的部分线性变系数模型的经验似然推断

研究非参数部分带有测量误差的部分线性变系数模型,构造了模型中未知参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具有渐近x2分布,由此结果可以用来构造未知参数的置信域.并且还构造了未知参数的最大经验似然估计及系数函数的估计,证明了它们的渐近性质.最后通过数值模拟研究了所提估计方法在有限样本下的实际...     

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.     

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.     

部分线性单指标模型中参数的经验似然置信域

考虑部分线性单指标模型, 提出了未知参数的3种对数经验似然比统计量. 在适当的条件下, 证明了所提出的统计量依分布收敛于χ²分布. 所得结果可以用来构造未知参数的置信域. 所提出的方法也适合于纯粹的单指标模型. 通过模拟研究说明了经验似然方法在置信域的精度及其覆盖概率大小方面优于最小二乘方法.     

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.     

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.     

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.     

非线性EV回归模型中参数的经验似然置信域

本文考虑非线性EV回归模型，构造了未知参数的经验对数似然比统计量．此外，为了克服计算困难，提出了一个基于模拟的经验对数似然比统计量．在适当条件下，证明了所提出的这两种统计量都具有渐近X^2分布，所得结果可以用来构造未知参数的置信域。     

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.     

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.     

核实数据下响应变量缺失的线性EV模型经验似然推断

考虑响应变量随机缺失而协变量带有误差的线性模型,借助于核实数据和借补方法,构造了回归系数的两种经验似然比,证明了所提出的估计的经验对数似然比渐近于一个自由度为1的独立χ2变量的加权和;而经调整后所得的调整经验对数似然比渐近于自由度为p的χ2分布,该结果可以用来构造未知参数的置信域.此外,我们也构造了响应均值的调整经验对数似然比统计量,并证明了所提出的统计量渐近于x2分布,可用此结果构造响应均值的置信域.通过模拟研究比较了置信域的精度及其平均区间长度.     

Delete-group Jackknife Estimate in Partially Linear Regression Models with Heteroscedasticity

Abstract Consider a partially linear regression model with an unknown vector parameter β,an unknownfunction g(.),and unknown heteroscedastic error variances.Chen,You proposed a semiparametric generalizedleast squares estimator(SGLSE)for β,which takes the heteroscedasticity into account to increase efficiency.Forinference based on this SGLSE,it is necessary to construct a consistent estimator for its asymptotic covariancematrix.However,when there exists within-group correlation, the traditional delta method and the delete-1jackknife estimation fail to offer such a consistent estimator.In this paper, by deleting grouped partial residualsa delete-group jackknife method is examined.It is shown that the delete-group jackknife method indeed canprovide a consistent estimator for the asymptotic covariance matrix in the presence of within-group correlations.This result is an extension of that in[21].