广义线性回归拟似然估计的渐近正态性

研究了形如n∑i=1xi(yi-μ(xi′β))=0拟似然方程,在一定的条件下证明了拟似然估计βn的渐近正态性;并进一步证明了可用于β0大样本统计推断的渐近正态性结果．     

自适应设计广义线性模型极大拟似然估计的渐近性

在对Fisher信息矩阵的最小特征根最一般的假定,响应变量的矩条件尽可能弱和其它正则条件下,证明了自适应设计广义线性模型中极大拟似然估计的强相合性与渐近正态性,同时给出了强收敛速度.     

广义线性模型中极大拟似然估计的渐近正态性与强相合性

在广义线性模型中,当λn→∞,supi≥1 E||ei||2+α<∞(对某个α>0), 且其他一些正则条件满足时,证明了极大拟似然估计(MQLE)是渐近正态的;进 一步假定 ,证明了MQLE是强相合的,其中λn(λn) 是∑i=1 nZiZiT的最小(最大)特征根,Zi是有界的p×q回归系数,ei=yi-Eyi,yi 是q×1响应变量．也讨论了设计阵Zi是自适应的情形．     

广义线性回归拟似然估计的强相合性

本文研究了广义线性模型g=μ(x'β0)+e中形如的拟似然方程,在一定的条件下证明了当n充分大时此方程以概率1有解βn,得到了βn的强相合性和收敛速度.     

广义线性回归拟似然估计的强相合性

本文研究了广义线性模型y=μ(x'β0)+e中形如∑xi(yi-μ(xiβ))=0的拟似然方程,在一定的条件下证明了当n充分大时此方程以概率1有解βn,得到了βn的强相合性和收敛速度.     

广义线性模型极大似然估计的强相合性与渐近正态性

本文研究了若干重要类型的离散响应变量广义线性模型,在sum from i=1 to n ZiZi'的最小特征根大于cnα(对某个c>0,α>0)等条件下证明了回归参数向量的极大似然估计的强相合性与渐近正态性,其中设计阵序列{||Zn||}可以为无界序列.     

广义线性模型参数的自适应拟似然估计

对广义线性模型参数的一种拟似然估计的理论给予了彻底的处理. 在该估计中,响应变量的未知的协方差阵是通过样本去估计的.证明了所定义的估计量具有下述意义上的渐近有效性：当样本量n→∞时, 该估计有渐近正态性,且其极限分布的协方差阵重合于当响应变量的协方差阵完全已知时,拟似然估计的极限分布的协方差阵.     

多维广义线性模型拟极大似然估计的弱相合性

本文考虑多维广义线性模型的拟似然方程$\tsm^n_{i=1}X_i(y_i-\mu(X_i'\xb))=0$, 在一定条件下证明了此方程的解$\wh\xb_n$渐近存在, 并得到了其收敛速度, 即$\wh\xb_n-\xb_0=O_p({\underline{\xl}}_n^{-1/2})$, 其中$\xb_0$为参数$\xb$的真值, $\underline{\xl}_n$是方阵$S_n=\tsm^n_{i=1}X_iX_i'$的最小特征值。     

一类零膨胀广义线性模型极大似然估计的相合性与渐近正态性

讨论了响应变量为单参数指数族且在零点处膨胀的广义线性模型的大样本性质,对其参数进行了极大似然估计,给出了一些正则条件.基于所提出的正则条件,证明了模型参数极大似然估计的相合性与渐近正态性.     

广义线性回归极大似然估计的强相合性

设有该文第1节所描述的广义线性回归模型,以$\underline{\lambda}_n$和$\overline{\lambda}_n$分别记$\sum\limits_{i=1}^{n}Z_iZ_i^{\prime}$的最小和最大特征根,$\hat{\beta}_n$记$\beta_0$的极大似然估计.在文献[1]中,当\{$Z_i,i\ge1$\}有界时得到$\hat{\beta}_n$强相合的充分条件,在自然联系和非自然联系下分别为$\underline{\lambda}_n\rightarrow\infty$, $(\overline{\lambda}_n)^{1/2+\delta}=O(\underline{\lambda}_n)$（对某$\delta>0$)以及$\underline{\lambda}_n\rightarrow\infty$, $\overline{\lambda}_n=O(\underline{\lambda}_n)$.作者将后一结果改进为只要求$(\overline{\lambda}_n)^{1/2+\delta}=O(\underline{\lambda}_n)$,从而与自然联系情况下的条件达到一致.     

ASYMPTOTIC NORMALITY OF QUASI MAXIMUM LIKELIHOOD ESTIMATE IN GENERALIZED LINEAR MODELS

For the Generalized Linear Model (GLM), under some conditions including that the specification of the expectation is correct, it is shown that the Quasi Maximum Likelihood Estimate (QMLE) of the parameter-vector is asymptotic normal. It is also shown that the asymptotic covariance matrix of the QMLE reaches its minimum (in the positive-definte sense) in case that the specification of the covariance matrix is correct.     

向量参数的线性函数之广义最大似然估计

最大似然估计不存在的情况在非正态回归模型中最为典型,当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然 定义,建立了一些关于凹目标函数的结果,对某些特殊的目标函数,提供了求广义最大似然估计的具体途径,并详细地考虑了Ｃｏｘ的生存时间分析的模型。     

广义线性模型中检验回归参数统计量的渐近分布

在广义线性模型中,若(对某个α>0),且其它一些正则条件满足,可以证明Wald检验统计量的渐近分布是X2分布,其中,是ZiZi'的最小特征根,Zi是有界的p×q回归系数,yi是q×1响应变量．     

ON ASYMPTOTIC NORMALITY OF PARAMETERS IN LINEAR EV MODEL

This paper studies the parameter estimation of one dimensional linear errors-in-variables (EV) models in the case that replicated observations are available in some experimental points. Asymptotic normality is established under mild conditions, and the parameters entering the asymptotic variance are consistently estimated to render the result useable in construction of large-sample confidence regions.     

截尾变量独立,不必同分布的条件下,最大似然估计的相合性及渐近正态性

本文提出条件（φ）,并证明了,在条件（φ）下,关于寿命分布的参数的最大似然估计具有强相合性及渐近正态性。验证了指数分布、Weibull分布、对数正态分布满足条件（φ）。这说明（φ）是比较广泛适用的。     

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。     

半参数广义线性模型的惩罚似然估计

一、引言我们知道,通常的广义线性模型其联接函数为 g(μ)=η,并且预测η有一已知参数形式,即η=xβ.然而,如果预测依赖于协变量的形式知道的并不很清楚,那么这时采用参数的线性化结构并非总是适当的.当缺乏确切的信息时,有时用非参数方法更可取.但是,当确信某些关系具有一定的参数形式时,完全的非参数方法其效率可能相当低.于是,可以考虑更一般的模型——半参数广义线性模型,它是由 Green 和 Yandell 等一些作者提出来的.这个类包括了通常的广义线性模型及非参数广义线性模型,因而处理问题也就更灵活了.     

极大似然估计的强相合性和指数收敛速度

关于极大似然估计的强相合问题,由于它的重要性,曾被一些著名的数理统计学家研究过,例如 Cramér,Wald,Lecam,Huber,Bahadur,Perlman 等.虽然他们的相合性定理都是在一般性条件下给出的,但在实际应用中仍然是困难的.本文的目的是寻求一组在使用中容易验证的条件,并给出相合性定理的一个新的直接的证明.同时为了进一步讨论相合估计的渐近有效性,给出达到指数收敛速度的一个简单的充分条件.作为这些结果的应用,本文还详尽地讨论了关于多元位置刻度参数的极大似然估计的有关问题.