有限混合Laplace分布回归模型局部估计的EM算法（英文）

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题.利用核回归方法和最大化局部加权似然函数的EM算法,获得了参数函数的局部极大似然估计量,并讨论了它们的渐近偏差,渐近方差和渐近正态性.推广了有限混合回归模型下局部非参数估计的结果.     

非线性回归模型中的约束拟似然

在非线性回归模型中,拟得分函数是一类线性无偏估计函数中的最优者(GodambeandHeyde(1987),朱仲义(1996)),而由拟得分函数得到的拟似然估计在由线性无偏估计函数得到的估计类中具有渐近最优性(林路(1999)).本文则研究非线性回归模型中的有偏估计函数理论,构造了参数的约束拟似然估计,得到了约束拟似然的局部最优性,局部改进了拟似然估计,从而扩充了线性模型中的有偏估计理论.     

一种惩罚最大似然方法估计混合回归模型

本文考虑具有正态误差假设下混合回归模型的参数估计问题.由于似然函数的无界性,混合回归模型普通的最大似然估计不存在.本文提出一种惩罚最大似然方法来估计混合回归模型的参数,证明惩罚最大似然估计量(penalized maximum likelihood estimation, PMLE)具有强相合和渐近正态性.通过深入模拟研究,从估计精确性角度看,惩罚最大似然估计量有很好的表现.本文还给出一个音调感知的例子来说明理论结果的应用.     

函数型Probit模型的sieve极大似然估计

研究函数型Probit模型的sieve极大似然估计的渐近性质.在一定的条件下,证明了估计的强相合性和渐近正态性以及该估计的非参数部分达到最优收敛速度.最后给出了一个模拟研究,表明sieve极大似然估计有较好的有限样本性质.     

非参数异方差回归模型的局部多项式估计——基于农村居民消费与收入的实证分析

本文主要研究非参数异方差回归模型的局部多项式估计问题.首先利用局部线性逼近的技巧,得到了回归均值函数的局部极大似然估计.然后,考虑到回归方差函数的非负性,利用局部对数多项式拟合,得到了方差函数的局部多项式估计,保证了估计量的非负性,并证明了估计量的渐近性质.最后,通过对农村居民消费与收入的实证研究,说明了非参数异方差回归模型的局部多项式方法比普通最小二乘估计法的拟合效果更好,并且预测的精度更高.     

逐步Ⅰ型混合截尾下指数-威布尔分布竞争失效模型的统计分析（英文）

本文基于指数-威布尔分布研究逐步Ⅰ型混合截尾竞争失效模型的统计推断问题.根据模型假设和竞争失效数据,推导出未知参数和产品可靠度的极大似然估计;考虑极大似然估计的渐近正态性质,计算出观测Fisher信息阵,从而获得未知参数和可靠度的渐近置信区间.由于贝叶斯后验密度函数不具有封闭形式,利用MCMC方法给出未知参数和可靠度的近似贝叶斯估计以及最大后验密度可信区间.最后通过模拟研究对估计方法作出解释并给出数值结果.结果表明极大似然方法和贝叶斯方法可以对逐步Ⅰ型混合截尾竞争失效模型进行统计推断.     

自然联系函数下自适应设计广义线性模型的渐近性质(英文)

本文在一些弱的条件下,对自然联系函数和自适应设计下广义线性模型的极大拟似然估计渐近性进行研究,获得了极大拟似然估计的渐近存在性、弱相合性、收敛速度及渐近正态性.并通过蒙特卡罗数值模拟的方法对所得结果进行验证.     

半参数回归模型拟极大似然估计的渐近分布

用拟极大似然估计方法研究了误差为AR(1)时间序列的半参数回归模型,得到了参数及非参数的拟极大似然估计量,并研究了它们的渐近分布.     

纵向数据下部分线性模型的经验似然推断

考虑纵向数据下部分线性模型,研究了回归系数和基准函数的经验似然推断,证明了所提出的经验对数似然比渐近于卡方分布,由此构造了相应兴趣参数的置信域和区间. 此外,利用经验似然比函数得到了回归系数和基准函数的最大经验似然估计,并且证明了所得估计量的渐近正态性.模拟研究比较了经验似然与正态逼近方法的有限样本性质,并进行了案例分析.     

强混合样本下随机设计情形线性模型的经验似然推断

本文研究强混合样本下随机设计情形线性模型的经验似然推断,将分块技术应用到经验似然方法中,证明了线性模型的参数β的对数经验似然比统计量的渐近分布为卡方分布,由此构造了强混合样本下β的经验似然置信区间.在有限样本情况下给出数值模拟结果.     

一个有效估计:半参数非时齐扩散模型的局部线性复合分位回归估计

主要研究半参数非时齐扩散模型的参数估计问题.基于非时齐扩散模型的离散观测样本,首先得到漂移参数的局部线性复合分位回归估计,并证明估计量的渐近偏差、渐近方差和渐近正态性.其次,讨论了带宽的选择和局部线性复合分位回归估计关于局部线性最小二乘估计的渐近相对效,所得到的局部估计较局部线性最小二乘估计更为有效.最后,通过模拟说明了局部线性复合分位回归估计比局部线性最小二乘估计的模拟效果更好.     

Lomax分布极大似然估计的两点研究

本文研究了Lomax分布参数极大似然估计的存在性和估计量的收敛性问题.利用严格的分析法和中心极限定理,获得了Lomax分布极大似然估计的存在性和估计量的渐近正态分布的结果,进一步推广到了有缺失数据的两个Lomax总体中,参数的极大似然估计有强相合性和渐近正态性.     

Local Linear Estimations of Time-Varying Parameters for Time-Inhomogeneous Diffusion Models

This paper studies the local linear estimations of the time-varying parameters for time-inhomogeneous diffusion models. Based on discretely observed sample of time-inhomogeneous diffusion models, the local linear estimations of the drift parameters are proposed and their standard errors are discussed. Considering the volatility parameter being positive, we obtain the kernel weighted estimation of the diffusion parameter by using locally log-linear fitting, and discuss asymptotic bias, asymptotic variance and asymptotic normal distribution of volatility function. It is shown that the local estimations proposed perform well through simulation studies.     

Likelihood adaptively modified penalties

A new family of penalty functions, ie, adaptive to likelihood, is introduced for model selection in general regression models. It arises naturally through assuming certain types of prior distribution on the regression parameters. To study the stability properties of the penalized maximum‐likelihood estimator, 2 types of asymptotic stability are defined. Theoretical properties, including the parameter estimation consistency, model selection consistency, and asymptotic stability, are established under suitable regularity conditions. An efficient coordinate‐descent algorithm is proposed. Simulation results and real data analysis show that the proposed approach has competitive performance in comparison with the existing methods.     

附加信息下的局部线性估计

在回归模型中，对一类因变量函数的条件期望方程的附加信息，我们提出了基于极大经验似然方法的局部线性点估计，在一定条件下证明了这些估计的相合性和渐近正态性，而且估计的方差小于通常不带附加信息核估计的方差．模拟结果也显示了估计的优良性．     

Empirical likelihood-based inference in a partially linear model for longitudinal data

A partially linear model with longitudinal data is considered, empirical likelihood to infer- ence for the regression coefficients and the baseline function is investigated, the empirical log-likelihood ratios is proven to be asymptotically chi-squared, and the corresponding confidence regions for the pa- rameters of interest are then constructed. Also by the empirical likelihood ratio functions, we can obtain the maximum empirical likelihood estimates of the regression coefficients and the baseline function, and prove the asymptotic normality. The numerical results are conducted to compare the performance of the empirical likelihood and the normal approximation-based method, and a real example is analysed.     

向量参数的线性函数之广义最大似然估计

最大似然估计不存在的情况在非正态回归模型中最为典型,当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然 定义,建立了一些关于凹目标函数的结果,对某些特殊的目标函数,提供了求广义最大似然估计的具体途径,并详细地考虑了Ｃｏｘ的生存时间分析的模型。     

Asymptotic properties of maximum likelihood estimator for two-step logit models

Two-step logit models are extensions of the ordinary logistic regression model, which are designed for complex ordinal outcomes commonly seen in practice. In this paper, we establish some asymptotic properties of the maximum likelihood estimator (MLE) of the regression parameter vector under some mild conditions, which include existence of the MLE, convergence rate and asymptotic normality of the MLE. We relax the boundedness condition of the regressors required in most existing theoretical results, and all conditions are easy to verify.     

Asymptotic efficiency of the two-stage estimation method for copula-based models

For multivariate copula-based models for which maximum likelihood is computationally difficult, a two-stage estimation procedure has been proposed previously; the first stage involves maximum likelihood from univariate margins, and the second stage involves maximum likelihood of the dependence parameters with the univariate parameters held fixed from the first stage. Using the theory of inference functions, a partitioned matrix in a form amenable to analysis is obtained for the asymptotic covariance matrix of the two-stage estimator. The asymptotic relative efficiency of the two-stage estimation procedure compared with maximum likelihood estimation is studied. Analysis of the limiting cases of the independence copula and Fréchet upper bound help to determine common patterns in the efficiency as the dependence in the model increases. For the Fréchet upper bound, the two-stage estimation procedure can sometimes be equivalent to maximum likelihood estimation for the univariate parameters. Numerical results are shown for some models, including multivariate ordinal probit and bivariate extreme value distributions, to indicate the typical level of asymptotic efficiency for discrete and continuous data.     

不同自变量的变系数模型的估计

讨论具有不同自变量的变系数模型的函数系数的估计及其大样本性质。使用局部线性方法和积分方法,得到函数系数的积分估计;由于该估计有较大的方差,进一步使用回切法改进这一估计,获得了函数系数的改进估计;同时,研究了改进估计的渐近正态性。最后,用模拟例子说明提出的估计方法是有效的。