缺失数据情况下均值的非参数经验似然估计

本文在随机缺失的机制下,考虑了响应变量存在缺失时的非参数回归模型的统计推断,在回归函数m（x）在给定x=x0∈RP下均值的θ似然估计,并证明了该估计的渐进性,结合这个结果,给出了其渐进置信域.     

污染数据线性回归模型的贝叶斯估计

本文研究线性回归模型中响应变量受到另一随机变量序列污染时,模型参数和污染系数的估计问题.利用贝叶斯统计原理,给出了污染系数的贝叶斯区间估计及模型参数估计.     

带有缺失数据线性回归模型的变量选择

通过惩罚估计方程,对响应变量随机缺失下的线性回归模型,给出了一个变量选择方法,并结合局部二次逼近,得到了一个迭代算法,证明了此变量选择方法是相合的并且所得估计达到最优的参数收敛速度,最后通过数据模拟研究了此方法的有限样本性质.     

多类型复发事件下可加—加速均值回归模型

本文根据多类型复发事件数据的结构特点,提出了多类型复发事件下可加—加速均值回归模型.利用估计方程的方法,给出了该模型中未知参数和非参数函数的一种估计方法,并证明了所得估计的渐近性质.     

函数系数部分线性模型的B样条估计

函数系数部分线性模型是一个比较广泛的模型,其常数项函数和系数函数具有不同的自变量．这给模型的估计带来了不小的挑战。利用B样条方法同时给出该模型的常数项函数和系数函数的估计,给出了估计的相合性、渐近正态性以及收敛速度,且该收敛速度达到了非参数最优收敛速度;最后,模拟说明了B样条方法对该模型的估计是有效的。     

应用Fiducial方法推断Logistic模型下的响应刺激量

基于Logistic响应模型,在二元响应数据下,将待估计的响应刺激量变换为模型的一个参数,应用鞍点逼近方法给出了该响应刺激量估计条件分布的高阶近似公式.在此基础上,引入Fiducial模型,并应用Fiducial模型给出了响应刺激量的区间估计,通过蒙特卡罗数值模拟表明,在样本量较小时,给合Fiducial模型,应用鞍点逼近方法,能够较好地估计响应刺激量.     

信噪比对非参数回归模型拟合效果的数值模拟

为探究信噪比大小对非参数回归模型拟合的影响,本文针对固定设计下的非参数回归模型进行Monte Carlo数值模拟.在模拟中使用了三次B-样条估计方法,并利用AIC和BIC准则自动选择结点.结果表明:信噪比越大,均值函数估计的平均平方误差的平方根的均值和标准差越小,另外,响应变量的拟合的均方误差和平均绝对误差也越小.     

应用Fiducial方法推断Logistic模型下的响应刺激量

基于Logistic响应模型，在二元响应数据下，将待估计的响应刺激量变换为模型的一个参数，应用鞍点逼近方法给出了该响应刺激量估计条件分布的高阶近似公式．在此基础上，引入Fiducial模型，并应用Fiducial模型给出了响应刺激量的区间估计，通过蒙特卡罗数值模拟表明，在样本量较小时，给合Fiducial模型，应用鞍点逼近方法，能够较好地估计响应刺激量．     

关于半参数广义线性模型的惩罚似然估计

本文对文[1]给出的一类半参数广义线性模型(semi-paramctric GLM),利用惩罚似然方法得到参数和非参数函数的惩罚似然估计。同时指出极小惩罚似然估计与惩罚加权最小=乘估计等价。     

一类新的变系数模型的积分估计

该文从实际出发给出了一类实用范围较广的变系数模型,它们的系数函数的自变量(也称光滑变量)不完全一致.首先,使用局部线性方法给出模型的系数函数的初始估计;然后使用积分方法,给出它们的积分估计;进一步,研究这些积分估计的渐近正态性.模拟结果说明该估计方法的有效性.