多元广义线性模型经验似然方法分析

针对多元广义线性模型,基于估计相关阵、广义估计方程和经验似然方法,本文构造出经验似然比统计量,此统计量能克服“工作相关阵”方法的误设定问题.在一定的条件下,本文也获得了经验似然比统计量渐近Wilks性质,该结果可用作未知参数向量置信域的构造.最后,通过数值模拟对所提方法的有效性进行验证.

广义矩和广义经验似然估计量的有限样本性质比较

文章在线性单方程结构模型框架内运用蒙特卡洛模拟技术对广义矩(GMM)和广义经验似然(GEL)估计量的有限样本性质进行了比较。研究发现:虽然GMM和GEL一阶渐近等价,但它们的有限样本性质依赖于可获取的工具变量数、内生性强弱和样本容量;在样本容量较小时使用GEL能有效改善GMM估计偏差。

广义经验似然估计量的结构参数检验水平校正

文章首先从理论上揭示了广义矩估计量隐含的等概率加权,会导致结构参数检验存在严重的显著性水平扭曲。随后,本文应用广义经验似然估计量校正了水平扭曲。进一步,蒙特卡罗仿真基础上的比较研究证明了这一校正有效。文章研究表明,在对结构参数进行假设检验时,为保证结论的稳健性,应使用广义经验似然估计量并由此来形成检验结论。

基于秩估计量经验似然分析的加速失效时间模型与预后

[目的]介绍加速失效时间模型的一种半参数方法并探讨其在医学中的应用。[方法]用经验似然的方法对模型秩估计量进行分析,以实例说明模型的实际应用。[结果]半参数方法可对回归系数建立可信区间,实例分析结果表明半参数方法与参数法加速失效时间模型结果一致。[结论]半参数加速失效时间模型不需要知道误差项的基准分布,为筛选预后因素提供了一种简便的方法。

广义矩估计的延伸——广义经验似然估计

从广义矩估计(GMM)到广义经验似然估计(GEL)的发展,是由于GMM估计量小样本性质的不足,促使人们寻求方法的改进和拓展。通过必要的证明和推导,详细解析GEL类估计量(包括EL,ET,CUE)的逻辑关系和数理结构,认识GEL的内在本质,并运用随机模拟方法证实了在小样本场合GEL类估计量比GMM估计量具有更小的估计偏差和均方误差,即GEL类估计改进了GMM估计的小样本性质。

缺失数据下广义线性模型的经验似然推断

利用经验似然方法,讨论缺失数据下广义线性模型中参数的置信域问题,得到了对数经验似然比统计量的渐近分布为标准卡方分布;给出参数的一些估计量及其渐近分布,利用数据模拟解释了所提出的方法。

缺失数据下双重广义线性模型的经验似然推断

本文基于截面经验似然的方法,在响应变量随机缺失时,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.数据模拟中,在完全数据集,逆概率加权填补所得的数据集和未加权填补所得的数据集三种情形下,将经验似然方法与正态逼近方法相比较.结果表明在双重广义线性模型中,逆概率加权这一填补方法和经验似然方法是有效和可行的.

响应变量随机缺失下广义线性模型的经验似然

研究响应变量随机缺失下广义线性模型的经验似然推断。首先构造未知参数的经验似然比函数,并证明其渐近分布为卡方分布;其次得到参数的若干估计量并得到了其渐近分布,研究结果可以直接构造参数的置信区间或置信域;最后利用模拟计算验证所提方法的优良性质。

双重广义线性模型的经验似然推断

基于截面经验似然方法,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.最后通过数据模拟,将该方法与正态逼近方法比较,说明了该方法是有效和可行的.

纵向数据单指标模型的广义经验似然统计推断

基于广义估计方程和二次推断函数方法,提出了纠偏的广义经验似然方法对纵向数据单指标模型进行统计推断,获得了模型中指标参数分量的极大经验似然估计和纠偏的广义经验对数似然比统计量.证明了相关估计量在一定条件下具有渐近正态性,且纠偏的广义经验对数似然比统计量依分布收敛于χ2分布,利用所得结果,可以构造未知参数的置信域及相关的假设检验.

矩约束条件下的广义经验似然

讨论矩约束条件下的广义经验似然比统计量族以及相应的性质。此统计量实际上是B aggerly(1998)所介绍的广义经验似然比统计量的一种推广。在一定条件下,证明了此分布族中的统计量与Ow en(1988)和Q in and L aw less(1994)的经验似然是一阶渐近等价的。因此,这些统计量的分布均是渐近于2χ分布,相应的估计也都满足相合性和渐近正态性。

GARCH模型的经验似然估计

以计量经济学中ARCH模型族为背景,对GARCH模型进行讨论和研究。讨论了基于GED分布的β-ARCH模型和GARCH模型的经验极大似然估计的求解方法,得到了相应的平稳模型的大样本性质定理。

经验Cressie-Read统计量与广义矩方法估计

本文利用经验Cressie-Read统计量和广义矩方法,研究了参数、分布函数和Lagrange乘子的有效估计问题,并得到了它们的渐近正态性,证明了经验Cressie-Read统计量具有渐近χ2分布。最后举例说明文中结果。

纵向非单调缺失数据下部分线性模型的广义经验似然推断

为了研究纵向非单调缺失数据下部分线性模型的估计问题,基于二次推断函数提出了回归系数和基准函数的广义经验似然比函数,得到了相应的极大经验似然估计.证明了所提出的经验对数似然比渐近于卡方分布,由此构造了相应的置信域和逐点置信区间,模拟研究比较了广义经验似然与正态逼近方法的有限样本性质.

缺失数据下广义非线性回归的经验似然及诊断

研究了数据缺失情况下广义非线性回归模型的统计诊断问题;在响应变量随机缺失的情况下,先利用经验似然方法进行参数估计,得到其渐近置信区间,并通过随机模拟比较出经验似然方法比一般方法求置信区间的优越性;对模型进行影响分析,提出经验似然距离、经验Cook距离以及标准化残差等诊断统计量,最后通过实例验证统计诊断方法的有效性和可行性.

固定和自适应设计下高维广义线性模型的经验似然检验

利用经验似然方法,讨论固定设计和自适应设计下高维广义线性模型中的参数检验问题。数值计算结果表明,所构造的经验对数似然比统计量渐近于标准卡方分布,具有较稳定的真实检验水平和功效。

纵向数据下基于广义经验似然的有效自适应双稳健回归

本文对纵向数据下的线性回归模型提出了一种同时估计协方差矩阵以及均值的有效自适应双稳健回归方法.该方法以广义经验似然为基础并结合加权最小二乘思想,首先用Cholesky分解将纵向数据的线性模型重参数化,再用广义经验似然估计方法,同时实现对协方差矩阵以及均值的有效稳健估计.有效性通过所提方法与广义经验似然方法的紧密联系获得,而加权最小二乘以及对杠杆点的降权使得该估计具有双重稳健性.本文在计算过程中还引入了一个调节参数,该参数的选定是依据稳健广义交叉验证统计量,这使得本文的双稳健估计对数据具有自适应性.理论结果展示了本文估计参数的渐近正态性.有限样本研究的结果显示,与一些现有的经典稳健估计方法相比,所提的方法在保持较高有效性的同时还具备相当好的稳健性.本文还做了一个真实数据分析来做进一步的比较.

GEE下经验似然估计的渐近正态性质

在较弱的限制条件和不服从独立同分布的情况下,分析含有参数信息的广义估计方程下的经验似然方法。首先给出较易验证的假设条件和正态收敛法则等引理及其证明,其次在较弱条件下给出经验似然估计存在性、相合性和渐近正态分布等的理论验证,结果表明经验似然比LE(β)在条件范围内几乎处处收敛到经验似然比最小值LE(β^)且经验似然估计参数表达式∑n^1/2(β^|-β0)渐近高维正态分布等,使得对于GEE下经验似然估计的相合和渐近正态等性质有了更为准确,更易满足现实模型的理论结果。最后运用R语言运行统计模拟,发现经验似然方法比广义估计方程方法回归拟合度更理想。

观察值驱动的广义INAR(1)过程的经验似然推断

整值时间序列分析作为时间序列分析的重要组成部分,被广泛地应用于社会生活的各个领域。文章提出了一类观察值驱动的广义INAR(l)过程,推导了该模型的概率统计性质,并利用经验似然的方法研究了该模型的参数估计问题,给出了模型参数的极大经验似然估计量及其渐近分布。通过一系列的仿真实验,验证了经验似然方法的有效性。最后利用所提出的模型拟合了一组犯罪数据。

纵向计数数据经验似然估计的相合性

用经验似然思想研究广义估计方程,将现有文献研究广义估计方程的假设条件减弱,在更容易验证的条件下,证明了独立不同分布的纵向计数数据的经验似然估计的相合性.