随机删失模型下排序集样本的非参数估计与应用

针对生存分析中经常出现的随机删失模型,文章提出排序集抽样下生存函数的乘积限估计量,证明了新估计量的渐近正态性,确定了其渐近方差,并与简单随机抽样下相应估计量进行了估计效率的比较,结果表明排序集抽样效率高于简单随机抽样。最后,我们对肾癌患者的临床数据进行了实际应用。

左截断右删失模型下乘积限估计的强大数律(Ⅱ)

对左截断右删失模型，在不要求分布函数连续的条件下，给出乘积限估计F_n是真分布的一致强相合估计的完整结果．作为推论，还给出右删失模型下的K－M估计和左截断模型下的乘积限估计的一致强相合性的完整结果．

删失回归模型中一个LASSO型变量选择和估计方法(英文)

删失回归模型是一种很重要的模型,它在计量经济学中有着广泛的应用.然而,它的变量选择问题在现今的参考文献中研究的比较少.本文提出了一个LASSO型变量选择和估计方法,称之为多样化惩罚L1限制方法,简称为DPLC.另外,我们给出了非0回归系数估计的大样本渐近性质.最后,大量的模拟研究表明了DPLC方法和一般的最优子集选择方法在变量选择和估计方面有着相同的能力.

核实数据下删失线性EV模型的经验似然推断

本文考虑协变量带有误差的删失线性回归模型,借助于核实数据,对回归系数构造了两种经验对数似然比统计量,证明了所提出的估计的经验对数似然比统计量渐近收敛到一个自由度为1的独立χ2变量的加权和;而经调整后所得的调整的经验对数似然比统计量具有渐近标准χ2p分布,所得结果可以用来构造未知参数的置信域,通过模拟研究在置信域的精度及其平均区间长度大小方面进行了比较。

区间删失Cox模型在临床随访中的应用

目的:探讨不同算法的区间删失Cox模型在临床随访研究中的应用。方法:用三种不同算法的区间删失Cox模型对鼻咽癌患者随访研究资料进行了分析。结果:三种不同算法的区间删失Cox模型分析的结果相当接近。结论:区间删失Cox模型可作为临床随访研究的有效工具,三种软件中,stpm程序使用较为方便,且用途较为广泛。

删失回归模型的分位数变量选择和压缩估计

删失回归模型是一种响应变量受限制的模型,广泛应用于计量经济学中.针对删失回归模型,借助于分位数估计方法和SCAD型惩罚函数,提出了一种变量选择和压缩估计方法.该方法可选出对模型有贡献的回归变量,即非0回归系数,同时给出非零参数的一个相合估计.另外,获得了变量选择方法的oracle性质.最后,利用数值模拟计算说明所提出方法的效果.

删失回归模型中基于LAD的线性假设检验研究(英文)

在ZhaoLC .Linearhypothesistestingincensoredregressionmodels基础上讨论了删失回归模型的线性假设检验问题 ,在局部备择假设成立时 ,给出了基于最小绝对偏差所构造的检验统计量的渐近分布 。

左删失数据的双惩罚贝叶斯Tobit分位回归方法

在含潜变量的纵向数据混合效应模型应用中,通常包含大量截尾数据,若直接采用一般贝叶斯Tobit分位回归模型,参数估计的马尔科夫链蒙特卡罗抽样算法将会极其复杂,造成计算效率低下且估计结果偏差较大。同时,在高维情形下,由于受大量未知随机效应的干扰,固定效应中关键变量的选择与系数估计变得更为困难。为了解决上述问题,文章提出了一种新的双Adaptive Lasso惩罚贝叶斯Tobit分位回归方法,主要研究响应变量左删失情形下高维纵向数据的变量选择与参数估计问题。通过将Adaptive Lasso惩罚同时引入固定效应与随机效应的先验分布中,构造了参数估计的Gibbs抽样算法。蒙特卡罗模拟结果表明,新方法较无惩罚法和Lasso惩罚法在重要变量选择及系数估计上均更占优势。

随机右删失部分线性模型中小波估计的强相合性

研究随机右删失部分线性模型中回归参数β和回归函数g(t)的估计问题.分别在删失分布函数已知和未知的情形下,基于变换后的观测数据构造了β和g(t)的小波估计,在适当的条件下,证明了它们均具有强相合性.

删失回归模型中SCAD型变量选择与估计(英文)

删失回归模型是一种很重要的响应变量受限制的模型,它广泛应用于计量经济学中.基于SCAD罚函数,提出了SCAD型罚变量选择方法.该方法可选出重要的回归变量,即真参数中非零系数,同时给出非零参数相合估计.另外,证明了变量选择方法是相合的,具有oracle性质.最后,进行数值模拟计算说明所提出方法的效果。

关于多水平删失正态回归模型的模拟研究

目的探讨不同条件下的数据对于多水平删失正态回归模型参数点估计及其标准误的影响。方法模拟二水平删失正态回归数据,分别拟合二水平正态回归模型和二水平删失正态回归模型,并给出不同的一、二水平样本量及内相关系数条件,比较其参数点估计及参数标准误估计结果。结果二水平样本量越大,固定系数、一水平残差及残差间协方差的标准误估计越准确,而方差成分标准误估计的准确性对于一水平样本量要求较弱,内相关系数对参数标准误估计的准确性影响不大。结论存在删失因变量的多水平结构数据应使用多水平删失正态回归模型进行参数估计,其标准误与合适的各水平样本含量及内相关系数有关。

基于线性化技术的删失变点回归模型估计

文章基于线性化技术估计删失变点回归模型中的变点位置及模型参数,克服了传统格点搜索法的收敛速度过慢、变点估计的实际意义不强等缺陷。由于变点存在导致目标函数在变点处不可导的困难,因此线性化技术通过泰勒展开将变点位置转变为模型参数,利用传统删失回归模型加以估计,简便易行且估计结果的收敛速度较快。数值模拟表明估计结果具有良好的有效性和稳健性,慈善捐款的实证分析也验证了所提方法的可行性。

含时间因子的删失面板模型的估计与推断

本文研究了随机相关下的含时间因子的删失面板数据的估计与推断问题.该模型允许了不可观测的个体效应对潜在结果变量有着时变的影响.在假设误差项是对称且相互独立的条件下,给出了模型中的斜率参数与时间因子的识别与估计.文中给出的估计量是√N一致且渐近正态的.此外,文中提出的秩得分检验统计量无需对密度函数进行估计,在相对小的样本下也有着较好的表现.蒙特卡罗模拟和关于女性劳动时间的实证应用的结果验证了估计量的可行性.

时空加权回归模型的影响分析

基于数据删失模型,探讨各组观测数据对模型拟合的影响程度,给出Cook统计量;基于均值漂移模型,利用两步估计法对模型进行拟合,研究异常点检验问题,并构造检验统计量.

删失混合效应模型的分位回归及变量选择

纵向数据常常用正态混合效应模型进行分析.然而,违背正态性的假定往往会导致无效的推断.与传统的均值回归相比较,分位回归可以给出响应变量条件分布的完整刻画,对于非正态误差分布也可以给稳健的估计结果.本文主要考虑右删失响应下纵向混合效应模型的分位回归估计和变量选择问题.首先,逆删失概率加权方法被用来得到模型的参数估计.其次,结合逆删失概率加权和LASSO惩罚变量选择方法考虑了模型的变量选择问题.蒙特卡洛模拟显示所提方法要比直接删除删失数据的估计方法更具优势.最后,分析了一组艾滋病数据集来展示所提方法的实际应用效果.

带删失的第三类Tobit模型的半参数估计

本文考察主方程因变量带有删失结构的第三类Tobit模型的半参数估计问题,基于受限因变量的条件分布提出一种新的半参数两步估计方法,并证明所提出估计量的相合性和渐近正态性.数值模拟的结果显示本文的估计量在一系列设计下均有着良好的表现.通过与文献中的估计量进行比较,结果表明,当主方程因变量的删失比例较大或当样本量较大时,本文的估计量是对现有估计量的一个重要补充.

删失回归模型LAD估计的一些强的性质

删失回归模型是一种因变量受限制的模型,也称为Tobit模型.在较弱的条件之下,给出了回归系数LAD估计的强相合性、强收敛速度及其Bahadur强表示.

非正规高息借款:是被动接受还是主动选择?——基于江苏1202户农村家庭的调查

本文基于农村调研数据,采用带删失的Probit模型实证研究了农村家庭在生产投资方面借入非正规高息借款的选择行为及其原因。研究结果表明,是否受到银行信贷配给对农村家庭借入非正规高息借款的决策影响并不显著,而受到自我信贷配给对家庭借入非正规高息借款的概率具有显著正向作用,即借入非正规高息借款是农村家庭的主动选择行为,而非由于受到银行信贷配给的缘故;选择自我信贷配给的家庭是基于对银行贷款交易成本、时滞、期限等因素的考虑,而受到银行信贷配给却未借入非正规高息借款的家庭主要是基于对利率的考虑。因此,我国农村金融改革应以需求为导向,强调贷款技术和产品服务的创新,而不仅仅是"增量"。

双截尾Tobit模型中的随机加权逼近方法

本文研究双截尾删失回归模型中参数的随机加权估计(RWE),获得了RWE的统计渐近性质,如相合性和渐近分布.本文证明了RWE在给定样本下的条件渐近分布与参数的最小绝对偏差(LAD)估计的渐近分布是一样的,则可以利用RWE的条件分布去逼近回归参数的LAD估计的分布,从而避免冗余参数的估计,如误差项的密度函数.另外,本文也提出了一个M检验统计量和随机加权M检验统计量(RWM)来检验参数的线性假设问题,建立了该检验的统计性质.数值模拟和实际数据分析结果表明所提方法是可行的.

自然降水变异对人工增雨效果评估的影响

效果评估是人工增雨试验中的关键问题之一。降水在时空分布上往往存在自然变异，使得精确估算自然降水量、评估人工增雨的效果变得比较困难．基于吉林省1997-2007年4～7月飞机人工增雨作业的宏观记录资料和降水量日值数据，运用现代统计模拟方法“bootstrap”分析自然降水变异，并设法控制其对人工增雨效果评估的影响．研究表明，自然降水变异的影响有三种控制方法：增加催化样本量、删除异常点和选取降水结构相似的对比单元．催化样本量越大，自然降水变异的影响和催化效果的检出下限越小．催化样本量为470时，若要检出20％～30％的增雨效果，置信度可达90％．在单次作业的效果检验中，删除强异常点和选取降水结构相似的对比单元，建立数据删失模型，能够有效地控制自然降水变异的影响，提高人工增雨效果评估的效率．结果显示，吉林省人工增雨相对效果的分布主要集中在0～30％，平均11．95％．人工增雨作业的效果，和降水量大小没有直接联系，而其波动幅度随着降水量增加而逐渐越小．