删失分位数回归模型基于扩展兴趣信息准则的平均估计

本文结合分位数回归技术,基于删失回归模型,把Claeskens和Hjort的传统兴趣信息准侧(focused information criterion,FIC)扩展到兴趣向量的情形,提出扩展的兴趣信息准则(extended focused information criterion,E-FIC),有效解决了同时针对多个兴趣参数的平均估计问题,并且对删失响应变量的不同水平分位数进行建模,以全面反映响应变量分布特征,有效克服异常值和厚尾模型误差的影响.基于扩展的兴趣信息准则给出参数的平均估计方法,证明估计的渐近性质.通过Monte Carlo随机模拟试验比较所提估计方法和最小二乘方法在有限样本量下的表现,用所提方法对原发性胆汁性肝硬化数据集进行数据分析.

线性模型的模型选择与模型平均

本文在线性模型下讨论了兴趣参数的模型选择与模型平均问题。首先利用最小二乘方法估计子模型下回归系数,进而推导回归系数和兴趣参数估计量的渐近分布,然后得出兴趣参数估计量的均方误差无偏估计量,构造出兴趣模型选择准则,最后通过比较各子模型的兴趣信息准则值选出最优模型。