基于高斯伪似然的正定相关阵估计及其应用

基于高斯伪似然方法提出一种广义估计方程中工作相关阵的相合正定估计方法,并证明了无论工作相关阵是否被正确指定,所提出的AR(1)、等相关和MA(1)工作相关阵的高斯伪似然估计均为正定的.模拟结果表明,基于正定相关阵估计广义估计方程的回归参数估计是高效的.

模拟检验相关数据的方差结构

纵向研究广泛应用于医学、生物学等研究领域。纵向数据为典型的相关数据,数据方差结构选择的正确与否直接影响估计的效率。当样本量较大时,QIF方法表明工作相关阵的选择等价于无偏估计方程的选择。本文主要通过模拟讨论样本量较小时,利用经验相对效率选择无偏估计方程。模拟表明,如果增加没有信息的无偏估计方程,估计的效率就会减少,并且随着样本量的增加,估计的效率也会得到提高。

纵向数据下工具变量线性回归模型的经验似然推断

文章考虑纵向数据下工具变量线性回归模型,基于工具变量和二次推断函数方法,提出了回归参数的经验对数似然比统计量。在一些正则条件下,证明了所提出的经验对数似然比统计量渐近于标准卡方分布,由此构造兴趣参数的置信域。

纵向数据部分线性模型的基于高斯伪似然的高效估计

在纵向数据部分线性模型中,基于高斯伪似然构造相关阵的相合正定估计,进而得到回归参数的高效估计,给出了估计的算法及基于高斯伪似然的相关阵模型的选择准则.模拟表明,基于高斯伪似然方法得到的参数估计是高效的.