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.

响应变量缺失时纵向数据下变系数部分线性测量误差模型的经验似然推断

将经验似然方法应用于响应变量缺失时纵向数据下变系数部分线性测量模型中兴趣参数置信域,构造了关于参数分量纠衰的分块经验对数似然比函数,进而推导出参数分量纠衰的分块经验似然比统计量及其渐近分布。数据模拟结果表明所提出的经验似然方法在置信区间长度和覆盖率方面要优于正态逼近方法。

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.