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.

部分线性EV模型的惩罚经验似然

研究了当非参数部分带有测量误差时,部分线性模型的变量选择与参数估计问题。在自适应Lasso惩罚函数下,证明了所构造的惩罚经验似然估计具有Oracle性质。同时,考虑了参数的假设检验问题。最后利用数值模拟说明了所提方法的优良性质。

稳健的惩罚经验似然方法及压缩估计

本文基于原有的经验似然函数,在经验似然的约束条件中的估计方程上加入Huber函数和权重函数,将经验似然方法和稳健估计方程相结合,再在目标函数中加上SCAD惩罚函数,提出一种稳健的变量选择和惩罚估计方法.通过数值模拟与最小二乘估计和普通的惩罚经验似然估计在变量选择和参数估计方面进行比较,显示本文所提出的基于惩罚稳健经验似然的压缩估计具有明显优势.

三种两样本经验Euclidean似然方法及其比较

本文研究三种两样本经验Euclidean似然方法:基于两个无偏估计函数的经验Euclidean似然方法;基于一个无偏估计函数和一个历史经验估计的经验Euclidean惩罚似然方法;基于两个经验估计的加权和方法.我们研究了这些方法的强相合性,渐近正态性和渐近有效性.研究表明,这三种方法是同等渐近有效的.