分位数置信区间的估计方法分析

构造了基于分位数两种估计量的渐近置信区间,并找到分位数基于样本次序统计量的渐近置信区间.同时,建立了基于分布函数核估计定义的分位数估计量的渐近正态性,并使用经验似然方法构造出分位数的两种渐近置信区间.在模拟分析中,基于置信区间的平均长度和覆盖率,分析构造分位数的五种渐近置信区间的有限样本表现.     

经验似然统计推断方法发展综述

本文在介绍经验似然方法的基础上，进一步介绍这一方法在统计推断中的应用，具体地介绍了这一方法在总体均值推断、线性模型推断、分位数推断、估计方程推断及利用辅助信息进行推断等几种重要统计推断中的应用，同时也介绍了这一方法最近在不完全数据中的应用及由此所提出的被估计、被调整及bootstrap经验似然方法。     

基于子样分位数和刀切法的统计推断

本文考虑对母体分位数之函数作统计推断的问题.子样分位数之函数的渐近分布为正态.使用刀切法,我们给出了渐近分布的方差与协方差的估计量并建立了它们的一致性.这些结果提供了一些在渐近意义下正确的统计推断方法.     

基于联合II型删失数据的两总体指数模型的精确统计推断（英文）

在本文中,我们讨论两指数总体的位置参数和尺度参数的统计推断问题.利用极大似然方法,在联合II型删失数据的情形下给出参数的精确分布以及相关精确统计推断结果.将枢轴量表示为标准指数随机变量的线性函数,并且给出枢轴量的条件精确分布,这个条件精确分布的一个很大优点是计算比较简单.利用条件精确分布,可以获得枢轴量的精确分位数.为了说明本文方法的优劣,我们也提供Bootstrap方法构造参数置信区间的相关结果.最后将理论结果,进行了部分数值模拟实验,这些数值结果列在相应的表格里.     

非概率样本的模型推断

非概率抽样在大数据时代有广阔的应用空间,但其统计推断问题仍有待研究和发展.针对这一问题,提出利用基于模型的推断方法结合配额抽样实现非概率样本的统计推断,其思路是先设定线性回归形式的超总体模型,再利用配额样本观测数据拟合模型估计未知参数,进而利用模型对非观测单元进行预测,案例分析结果显示基于超总体模型的推断方法是解决非概率样本统计推断的有力途径,具有较大的深入研究价值.     

相依结构样本次序统计量的随机比较及逐步删失寿命试验参数估计方法研究

对一组已知寿命分布的样本开展寿命试验,失效时刻构成一组次序统计量。本文研究带有相依结构的齐次和非齐次样本的次序统计量在通常随机序意义下的比较方法,将Ma (1997)针对独立样本的结果推广到相依样本的情形,并将推广后的结果应用到可靠性寿命试验中逐步删失次序统计量的随机比较中。最后,结合一个产品逐步删失寿命试验的案例,研究如何基于试验数据,对产品的寿命分布参数进行估计,进而研究了参数估计效果与哪些因素有关。     

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.     

一般偏差右删失数据下剩余寿命分位数回归

剩余寿命是刻画个体预期寿命的一个重要度量,对剩余寿命的早期研究主要集中在剩余均值上.然而当总体生存函数偏态或厚尾时剩余均值函数可能不存在,因此统计学者建议用剩余寿命分位数来刻画预期寿命.在完全数据和右删失数据下,剩余寿命分位数的建模和理论已经很完善.但是,在实际的调查研究中经常会遇到偏差抽样数据.例如,临床医学中的左截断数据,流行病学中的病例队列抽样数据,医学大型队列研究中的长度偏差抽样数据等等.忽略抽样偏差会导致参数估计有偏和不合理的推断结果.本文考虑一般偏差右删失数据下剩余寿命分位数回归的统计推断问题.首先,我们提出了一个一般偏差右删失数据下的剩余寿命分位数回归模型,并利用一般估计方程方法对模型中的参数进行了估计.针对已有文献常用的删失变量与协变量独立性假设,本文重点考虑了删失变量依赖于协变量场合.其次,由于估计量的渐近方差中涉及非参密度函数,在估计渐近方差时,本文采用Bootstrap方法.最后,数值模拟显示本文提出的方法有限样本性质表现很好.     

带线性时间趋势的分位数回归协整模型检验

协整检验是进行回归分析的首要过程,是避免伪回归的主要方法.然而,大多数协整检验技术都是建立在非稳健的普通最小二乘框架下.这对于普遍具有尖峰厚尾的时间序列来说,可能会导致统计检验的失效.为了解决这个困难,本文提出带线性时间趋势模型的分位数回归协整检验方法.不同于传统的静态协整分析,我们构建了一个分位数残差累积和(QCS)统计量来检验不同分位点上变量间的动态协整关系.应用分位数回归和泛函极限理论,推导出了统计量的渐近分布,并提出了修正的QCS统计量,拓展了其在序列相关以及长期内生性模型中的应用.模拟给出了统计量的临界值并证明了本文的协整检验方法具有良好的有限样本性质.最后,利用所提方法,检验了可支配收入与实际消费之间的动态协整关系,发现随着分位点的增大,它们之间的协整关系越强.     

基于倾向得分广义线性模型的非概率抽样统计推断研究

候选者数据库网络调查下非概率抽样的统计推断问题是网络调查发展中迫切需要解决的问题.提出基于倾向得分广义线性模型的非概率抽样推断方法:将网络候选者数据库的调查样本与参考样本结合,建立Logistic、Probit、C-log-log三种广义线性模型来估计倾向得分,并对网络候选者数据库的调查样本进行倾向得分未加权比例的分组调整与倾向得分加权比例的分组调整来估计总体.研究结果表明:基于倾向得分广义线性模型的总体估计效果较好,并且使用调查权数的Logistic与C-log-log倾向得分未加权比例的分组调整估计最为稳健.     

符号检验的最优排序集抽样(英文)

提出检验总体分位数的基于排序集抽样的符号检验,分析了不同挑选抽样相对于均衡抽样的Pitman渐近效率.针对不同分位数,具体给出使符号统计量的效率达到最大的抽样设计,并且证明了最优抽样不依赖于总体分布.     

单位根模型的复合分位数自回归推断

单位根模型是经济学和金融学中用于非平稳时间序列数据建模的一个重要模型.对于该模型,假设模型误差的方差可能不存在,然后采用复合分位数方法估计该模型的自回归系数,建立了估计量的收敛速度和极限分布.然后,通过Monte Carlo模拟评估估计量在有限样本情形下的表现发现,当模型误差不是高斯分布时,单位根模型的复合分位数自回归估计在估计偏差和有效性方面要优于最小二乘估计和分位数自回归估计.此外,文中给出了一个相关的实证分析,该实证分析表明:对于该经济数据,用复合分位数方法进行统计推断是合适且具有一定优势的.最后,把单位根模型推广到了增广的Dickey-Fuller模型,并研究了该模型中的复合分位数自回归估计的渐近理论.     

至多一个分布变点的非参数统计推断

本文研究了连续分布函数变点的非参数统计推断问题.利用秩统计量和次序统计量,获得了变点的一种估计,不仅论证了点估计的强相合性,而且讨论了假设检验和区间估计.     

指令性抽样下总体均值和方差的估计及其应用

指令性抽样下的样本往往不具有代表性,因此仅用它们来推断总体将是不适合的,这篇文章基于观察信息,利用概率统计方法将没有发出调查指令的样本信息补充出来,然后利用观察信息和补充信息一起来对总体进行推断.具体我们给出了总体均值和方差参数估计的迭代公式,并给出它们在经济犯罪调查和流行病调查中的应用.     

最大最小次序统计量的联合分布

X1,X2,…,Xn是来自总体X的简单随机样本,Nk=min1≤i≤k{Xi},Mk=max1≤i≤k{Xi}(k=1,2,…,n),本文给出了最小次序统计量与最大次序统计量的联合分布函数.     

核分位数估计及其应用

分位数估计在不同领域有大量的运用,例如水利研究中百年一遇的洪水、金融分析中的VaR.不过在实际应用中大多使用的是基于正态假设下的分位数估计,使得该方法在应用时存在模型设定错误的风险.为此介绍了稳健统计中非参数分位数估计方法,并介绍了核密度估计的步骤;然后以此为基础给出了核分位数估计,同时还通过重复抽样的方法比较了三种分位数估计效果和积累了使用经验;最后给出了一个金融数据的实例,并对核分位数估计结果和常用的正态假设下的分位数结果进行了比较,结果显示核分位数估计结果更加稳健.文中最后给出使用该方法的一些建议.     

来自正态总体的常相关样本几个统计量的分布及其应用

本文指出了从一些生物群体中进行抽样时,由于个体间亲缘关系的存在,常常得不到一个简单子样。因此进行统计推断时不能直接应用由简单样本而得到的一些统计结论,并根据一些生物群体的实际情况,给出了来自正态总体的常相关样本几个统计量的分布,可应用于生物统计的某些方面,并用实例对这种应用予以说明。     

比例响应数据的分位数回归建模

由于比例响应数据具有有界性、偏态性和异方差性等特征,基于常规的回归建模方法往往不尽人如意。本文基于分位数方法研究比例响应数据的回归建模及其统计推断问题,重点研究了半连续型比例数据的分位数估计方法,并给出了估计的大样本性质。数值模拟研究和实例分析验证了所提方法的有效性。     

基于超总体伪设计与组合样本的候选者数据库网络调查的推断研究

候选者数据库网络调查的推断问题是网络调查发展中迫切需要解决的问题.基于此,提出基于超总体伪设计与组合样本的非概率抽样推断方法:对网络候选者数据库的调查样本建立超总体模型来构造伪权数,并根据网络候选者数据库的调查样本和概率样本的组合样本计算总体均值的估计,最后根据超总体模型的方差估计理论推导出目标总体均值估计的方差估计式,同时采用Bootstrap与Jackknife方法来估计总体均值估计的方差,并比较不同方差估计方法的效果.研究结果表明:基于超总体伪设计与组合样本的总体均值估计效率高于仅使用概率样本的估计和仅使用网络候选者数据库的调查样本加权的估计,估计效果较好;方差估计方面,采用VM1、VM2与VM3方法计算的方差估计相比而言更好.