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.     

强混合样本下密度函数的经验似然统计大样本性质

本文将在强混合样本下,利用分组经验似然比方法,构造密度数的置信区间。     

线性混合效应模型的正交经验似然推断

基于经验似然方法和QR分解技术, 对线性混合效应模型提出了一个基于正交经验似然的估计方法. 在一些正则条件下, 证明了所提出的经验对数似然比函数渐近服从卡方分布, 进而给出了模型固定效应的置信区间估计. 所提出估计过程不受模型随机效应的影响, 进而保证了所给出的估计是比较有效的. 一些数值模拟和实例分析进一步表明了所提出的估计方法是行之有效的.     

双重广义线性模型的经验似然推断

基于截面经验似然方法,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.最后通过数据模拟,将该方法与正态逼近方法比较,说明了该方法是有效和可行的.     

NA误差下部分线性模型的经验似然推断

对于部分线性模型yi=βxi+g(ti)+ei,1≤i≤n,这里(xi,ti)是固定设计点,g是未知函数,ei是负相协(NA)随机误差,给出了回归系数的经验似然比统计量,并讨论了似然比统计量的极限分布,可构造参数的经验似然置信区间.     

缺失数据下双重广义线性模型的经验似然推断

本文基于截面经验似然的方法,在响应变量随机缺失时,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.数据模拟中,在完全数据集,逆概率加权填补所得的数据集和未加权填补所得的数据集三种情形下,将经验似然方法与正态逼近方法相比较.结果表明在双重广义线性模型中,逆概率加权这一填补方法和经验似然方法是有效和可行的.     

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。     

线性混合效应模型的有效稳健经验似然推断

本文考虑线性混合效应模型的有效稳健经验似然统计推断问题.通过结合众数回归方法和矩阵的QR分解技术,提出了一种基于众数回归的正交经验似然统计推断过程.证明提出的关于固定效应的经验对数似然比函数渐近服从中心卡方分布,进而构造了模型固定效应的置信区间.所提出的估计过程不需要对随机效应和模型误差的分布施加任何假定,并且关于固定效应的估计过程不受随机效应的影响,因此具有较好的稳健性和有效性.     

混合样本下的经验似然估计

研究强平稳φ混合随机变量序列均值的经验似然估计问题,利用拉格朗日乘子以及一些重要概率不等式讨论均值有限且方差不等于零的强平稳φ混合序列,并给出其总体均值和M-泛函统计推断以及置信区间.     

部分线性度量误差模型中的经验似然推断

部分线性度量误差模型(Partial linear measurement error model)是经典的部分线性模型的推广．在此模型中,我们假定解释变量含有度量误差．本文,我们把经验似然推广到部分线性度量误差模型,得到了非参数的Wilk's定理．我们的方法可以用来构建置信区间(域),也可以用来检验．数值模拟表明,我们的方法在构建的置信区间长度以及覆盖率方面有很好的结果．     

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.     

ȱʧ������varphi����������ηDz����ع麯���ľ�����Ȼ�ƶ�

在φ混合的随机误差下,本文研究了固定设计及响应变量有缺失的非参数回归模型中回归函数的经验似然置信区间的构造.首先采用非参数回归填补法对缺失的数据进行填补,其次利用补足后得到的"完全样本"构造了非参数回归函数的经验似然比统计量,并证明了经验似然比统计量的极限分布为卡方分布,利用此结果可以构造非参数回归函数的经验似然置信区间.     

P^-混合样本线性模型M估计的强相合性

研究了P^-混合样本线性模型中的M估计，在较弱的矩条件下，获得了M估计是强相舍估计的充分条件．与相应结论比较，有了较大的实质性改进。     

Empirical likelihood for mixed-effects error-in-variables model

This paper mainly introduces the method of empirical likelihood and its applications on two different models. We discuss the empirical likelihood inference on fixed-effect parameter in mixed-effects model with error-in-variables. We first consider a linear mixed-effects model with measurement errors in both fixed and random effects. We construct the empirical likelihood confidence regions for the fixed-effects parameters and the mean parameters of random-effects. The limiting distribution of the empirical log likelihood ratio at the true parameter is X2p＋q, where p, q are dimension of fixed and random effects respectively. Then we discuss empirical likelihood inference in a semi-linear error-in-variable mixed-effects model. Under certain conditions, it is shown that the empirical log likelihood ratio at the true parameter also converges to X2p＋q. Simulations illustrate that the proposed confidence region has a coverage probability more closer to the nominal level than normal approximation based confidence region.     

混合线性模型M估计的强相合性

研究了ρ~混合样本线性模型中回归参数M估计的强相合性, 在较弱的矩条件下, 获得了M估计是强相合的充分条件, 实质性地改进和推广了文［1］定理3.1.     

两变量随机截距模型的最优设计

本文考虑两变量随机截距模型在单位正方形设计域上的D-,G-,A-,Ds-和I-最优设计.证明了最优设计在设计区域的顶点处获得,得到了几类不依赖于随机截距项的最优设计模拟结果表明最优设计较随机设计可大幅提高参数估计的精确性.