基于加权复合分位数回归的变系数部分线性模型的稳健经验似然估计

研究了变系数部分线性模型的稳健经验似然推断问题。利用加权复合分位数回归以及经验似然方法,并结合基于矩阵QR分解的正交投影技术,对模型的参数分量提出了一种基于加权复合分数回归的经验似然估计方法。理论证明了提出的经验对数似然比函数渐近服从卡方分布,得到参数分量的置信区间。该估计方法中引入了基于矩阵QR分解的正交投影技术,保证对模型的参数分量进行估计时不会受到非参数分量估计精度的影响,因此具有较好的稳健性和有效性。

响应变量随机缺失下的变系数部分线性模型的经验似然推断

本文考虑了响应变量随机缺失下的变系数部分线性模型的估计问题。利用经验似然方法,给出了参数部分的调整经验似然比函数,证明其渐近服从标准卡方分布。进而构造了参数部分的置信域,得到了其极大经验似然估计的最优参数收敛速度和渐近半参数有效界。模拟结果表明调整经验似然方法优于未调整的经验似然方法。

响应变量随机缺失下变系数部分线性模型的借补经验似然推断

考虑响应变量随机缺失下的变系数部分线性模型的估计问题.利用构造基于借补值的辅助随机向量,给出了参数分量的借补经验对数似然比函数.证明了其渐近服从标准卡方分布,进而给出了参数分量的置信域.

变系数部分线性模型的拟合优度检验

本文考虑变系数部分线性模型的拟合优度检验问题.基于Profile经验似然方法,构造了参数部分和非参数部分的经验似然比检验统计量.并证明了其满足Wilks'现象,进而得到了一定置信水平的拒绝域.最后通过数据模拟,讨论了其检验功效.

基于半参数变系数部分线性模型的小麦抗倒伏性分析

应用统计的方法在小麦的抗倒伏指数与自身的各指标间建立了一个半参数变系数部分线性模型,对小麦的倒伏情况进行预测。结果表明:该方法可有效预测小麦的抗倒伏性,对提高小麦的产量有一定帮助。

缺失数据下半参数变系数部分线性模型的统计推断

该文研究协变量随机缺失下半参数变系数部分线性模型的统计推断.利用逆概率加权最小二乘方法给出了模型中参数分量和非参数分量的估计,并证明了它们的渐近正态性.另外该文又提出了一个逆概率加权经验对数似然比统计量,并证明该统计量服从标准χ^2分布,从而构造了模型中参数分量的经验似然置信域.最后通过模拟研究和实例分析说明该文提出的方法具有较好的有限样本性质.

用于带有错误倾向线性协变量的半参数变系数部分线性模型的统计推断

我们研究了在某些线性协变量不可见但辅助变量可用的情况下的半参数变系数部分线性模型。在计算了错误倾向性协变量后，基于估计规程的半参数剖面的最小平方被用于参数和非参数分量。建立假设估计量的渐进性。同时，提出剖面最小平方基准比率测试和Wald测试用于识别关键参数和非参数分量。

因变量缺失的变系数部分线性模型的有效估计

讨论了因变量随机缺失条件下变系数部分线性模型的估计问题。基于局部借补思想,使用局部线性方法和平均技巧同时得到了各个估计量的估计,进而给出了估计的渐近性质。

变系数部分线性模型的估计有效性研究

文章研究了含有异方差的变系数部分线性模型估计的有效性问题,提出一种构造加权有效估计方程来求解感兴趣参数的有效估计的方法。通过计算感兴趣参数的得分函数在冗余参数切空间的正交补空间上的投影,得出含有异方差的变系数部分线性模型的有效得分函数,从而利用其构造加权有效估计方程;证明了有效估计方程的解为感兴趣参数的有效估计,其渐近方差可以达到最小方差下界,同时给出该有效估计的大样本性质,并通过数值模拟验证了其有限样本性质。

响应变量缺失下变系数部分线性模型的参数估计

基于两步法思想,对响应变量随机缺失下的变系数部分线性模型中的参数进行了估计,并通过模拟证明了改进后的两步法对此类问题的解决是简单有效的。实例分析了矮抗58小麦乳熟期抗倒伏情况。实例分析表明:对于小麦的抗倒伏性研究有一定的指导意义,说明了所提方法的合理性与可行性。

变系数部分线性模型的加权随机约束s-K估计

研究随机约束条件下半参数变系数部分线性模型的参数估计问题,当回归模型线性部分变量存在多重共线性时,基于Profile最小二乘方法、s-K估计和加权混合估计构造参数向量的加权随机约束s-K估计,并在均方误差矩阵准则下给出新估计量优于s-K估计和加权混合估计的充要条件,最后通过蒙特卡洛数值模拟验证所提出估计量的有限样本性质.

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.

部分线性变系数模型的贝叶斯分位数回归

针对部分线性变系数模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用非对称拉普拉斯分布实现贝叶斯分位数回归,并基于Gibbs抽样推导出所有未知参数的后验分布,通过数值模拟比较分析了贝叶斯分位数回归与分位数回归参数估计的优劣,结果表明,在均方误差准则下,贝叶斯分位数回归的估计效果更优。最后,通过实例分析说明了所提方法的有效性。

部分线性变系数测量误差模型的约束Liu估计

本文考虑部分线性变系数测量误差模型的估计问题,同时考虑线性部分自变量存在多重共线性和线性部分存在约束条件时两种情形,基于校正的profile最小二乘技术与Liu估计方法,分别构造了未知参数分量的Liu估计和约束Liu估计,并研究了所提估计量的渐进性质。

异方差半参数变系数部分线性EV模型的经验似然

利用经验似然方法考虑异方差半参数变系数部分线性EV模型中兴趣参数置信域的构造.分别在误差方差已知和未知情形下,构造模型参数部分的经验对数似然比统计量,并验证非参数情形下的Wilks定理成立.模拟研究表明经验似然估计方法具有优良的性质.

半参数变系数部分线性模型的统计推断

本文在多种复杂数据下,研究一类半参数变系数部分线性模型的统计推断理论和方法.首先在纵向数据和测量误差数据等复杂数据下,研究半参数变系数部分线性模型的经验似然推断问题,分别提出分组的和纠偏的经验似然方法.该方法可以有效地处理纵向数据的组内相关性给构造经验似然比函数所带来的困难.其次在测量误差数据和缺失数据等复杂数据下,研究模型的变量选择问题,分别提出一个"纠偏"的和基于借补值的变量选择方法.该变量选择方法可以同时选择参数分量及非参数分量中的重要变量,并且变量选择与回归系数的估计同时进行.通过选择适当的惩罚参数,证明该变量选择方法可以相合地识别出真实模型,并且所得的正则估计具有oracle性质.

删失数据下的半参数变系数部分线性回归模型

为了分析删失数据,该文考虑变系数部分线性模型,此模型允许协变量对响应变量存在非线性影响.响应变量与协变量之间关系的统计模型通过线性结构来拟合是非常重要而且有益.对于删失数据,常用的统计方法不能直接应用于此模型.该文首先提出一类数据变换用以建立无偏条件期望.然后利用profile最小二乘方法,给出了模型中参数分量和非参数分量的profile最小二乘估计,并建立了这些估计的渐近正态性.最后通过数值例子来说明该文所提出的方法的有效性.

半参数变系数部分线性EV模型的惩罚经验似然

研究了半参数变系数部分线性测量误差模型的惩罚经验似然问题.首先基于无偏辅助函数,构造了惩罚经验对数似然函数,证明了所得惩罚经验似然估计具有Oracle性质.其次,考虑了关于参数的假设检验问题,给出了检验统计量及其渐近分布.最后通过实验模拟和实例分析验证了所提方法的有限样本性质.

半参数变系数部分线性回归模型的渐近性质

为了研究半参数变系数部分线性回归模型中非参数分量的统计推断问题,利用局部线性回归方法,给出了变系数函数的porfile最小二乘估计,证明了该估计的渐近偏差、渐近方差,同时获得了该估计的渐近正态性．

响应变量缺失下半变系数部分线性EV模型估计的渐进性

讨论了响应变量随机缺失下的半参数变系数部分线性EV模型的估计与渐进性质问题,利用核估计方法分别给出模型中系数函数的第一步和第二步估计,证明了估计值的渐近正态性及系数函数估计的相合性,数值模拟显示第二步估计值比第一步估计值更优。