基于改进Huber损失的部分线性模型稳健经验似然推断

探讨了部分线性模型的有效稳健经验似然推断问题.利用指数平方损失函数对Huber函数的尾部函数进行修正,结合修正的Huber损失函数和矩阵的QR分解技术,通过改进经验似然方法约束条件中的估计方程,提出了一种基于Huber-指数平方损失(H-ESL)的稳健的正交经验似然推断方法,建立了经验对数似然比函数的渐近性质.该方法提高了估计的稳健性和有效性.文章通过数值模拟考察了估计量在有限样本下的实际表现,并进行了实际数据分析.