本文關(guān)鍵詞： 經(jīng)驗似然 逆概率加權(quán) 非線性模型 置信區(qū)域 不可忽略缺失數(shù)據(jù)　出處：《云南大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：本文成功地將經(jīng)驗似然方法應(yīng)用到帶有不可忽略響應(yīng)變量缺失的非線性模型。所有的目標(biāo)參數(shù)的經(jīng)驗似然估計量或者經(jīng)驗似然函數(shù)將通過兩步獲得。第一步,假設(shè)缺失機制是一個參數(shù)Logistic回歸模型后,應(yīng)用極大似然估計方法可以得到缺失概率(傾向得分函數(shù))的一個相合估計。一旦獲得缺失概率的相合估計,基于指數(shù)傾斜模型,本文獲得三個漸進無偏的估計方程,這也是下文的運用經(jīng)驗似然方法的核心思想。特別的,三個無偏估計方程的定義分別基于逆概率加權(quán)、非參插補、增強逆概率加權(quán)。第二步,將計算所有的目標(biāo)參數(shù)的經(jīng)驗似然估計量或者經(jīng)驗似然函數(shù)�；诘谝徊綐�(gòu)建的無偏估計方程,建立了獲得回歸系數(shù)的經(jīng)驗似然置信區(qū)間或者置信域的理論和方法,且研究了所提出的經(jīng)驗似然比統(tǒng)計量的極限分布的理論性質(zhì)。同時,本文獲得了目標(biāo)參數(shù)的經(jīng)驗似然估計量且還研究了該估計量漸進分布的性質(zhì)。在我們實際的研究當(dāng)中,有關(guān)于協(xié)變量的輔助信息可以使用。為此,本文還提出了基于輔助信息的目標(biāo)參數(shù)的兩步更有效的經(jīng)驗似然估計量。在使用輔助信息以后,目標(biāo)參數(shù)的經(jīng)驗似然估計量或者經(jīng)驗似然函數(shù)也將通過兩步獲得,唯一的區(qū)別在于使用輔助信息可以獲得更好而且更有效的估計。另外,在獲得參數(shù)化的缺失概率(傾向得分函數(shù))的相合估計后,本文提出的基于輔助信息的經(jīng)驗似然方法可以很好地解決估計方程中參數(shù)個數(shù)小于估計方程個數(shù)的問題。更重要的是參數(shù)化的傾向得分函數(shù)估計比半?yún)?shù)的核實樣本估計方法要更穩(wěn)定更好。本文還系統(tǒng)地研究了在輔助信息使用以后所提出的經(jīng)驗似然估計量的大樣本性質(zhì)。最后,用兩個數(shù)值模擬研究和一個實例分析來說明所提出的理論在有限樣本下具有較好的表現(xiàn)。
[Abstract]:In this paper, the empirical likelihood method is successfully applied to the nonlinear model with the absence of non-negligible response variables. The empirical likelihood estimators or empirical likelihood functions of all the target parameters will be obtained in two steps. It is assumed that the missing mechanism is a parameter Logistic regression model. A consistent estimation of the loss probability (tendency score function) can be obtained by using the maximum likelihood estimation method. Once the consistent estimation of the loss probability is obtained, the exponential tilt model is used. In this paper, we obtain three asymptotic and unbiased estimation equations, which is the core idea of empirical likelihood method. In particular, the definitions of the three unbiased estimation equations are based on inverse probabilistic weighting and non-parametric interpolation respectively. The second step is to calculate the empirical likelihood estimator or empirical likelihood function of all the target parameters. The unbiased estimation equation based on the first step is constructed. The theory and method of empirical likelihood confidence interval or confidence region for obtaining regression coefficients are established, and the theoretical properties of the limit distribution of empirical likelihood ratio statistics are studied. In this paper, the empirical likelihood estimator of target parameters is obtained and the properties of the asymptotic distribution of the estimator are also studied. In our actual study, there are auxiliary information about covariables that can be used. This paper also proposes a two-step empirical likelihood estimator for object parameters based on auxiliary information. The empirical likelihood estimator or empirical likelihood function of the target parameter will also be obtained in two steps. The only difference is that the auxiliary information can be used to obtain better and more effective estimation. After obtaining the consistent estimation of the parameterized absence probability (tendency score function). The empirical likelihood method based on auxiliary information proposed in this paper can solve the problem that the number of parameters in the estimation equation is smaller than the number of estimated equations. More importantly, the parameterized tendency score function estimation is better than the verification of semi-parameter. The sample estimation method is more stable and better. This paper also systematically studies the large sample properties of the empirical likelihood estimator proposed after the auxiliary information is used. Two numerical simulation studies and an example analysis are used to show that the proposed theory has a good performance in finite samples.
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：O212.1

【相似文獻】

相關(guān)期刊論文 前10條

1 鄭明,李四化,楊藝;截斷情況下生存函數(shù)的函數(shù)的經(jīng)驗似然[J];高校應(yīng)用數(shù)學(xué)學(xué)報A輯(中文版);2004年03期

2 張軍艦;;矩約束條件下的廣義經(jīng)驗似然[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2006年01期

3 李曉;吳耀華;涂冬生;;Cox比例風(fēng)險模型中的校正經(jīng)驗似然方法(英文)[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2009年12期

4 王允艷;張立新;王漢超;;二階擴散模型的經(jīng)驗似然推斷[J];中國科學(xué):數(shù)學(xué);2012年08期

5 秦永松;楊翠蓮;;負相協(xié)樣本多維邊際密度的經(jīng)驗似然推斷[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2012年03期

6 祝麗萍;;經(jīng)驗似然的冗余性[J];系統(tǒng)科學(xué)與數(shù)學(xué);2012年09期

7 張軍艦,王成名;光滑經(jīng)驗似然分布估計[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);1998年01期

8 許爽;;淺談經(jīng)驗似然及其在金融風(fēng)險中的應(yīng)用[J];數(shù)學(xué)學(xué)習(xí)與研究;2011年19期

9 郁文;含零總體中位數(shù)的經(jīng)驗似然[J];統(tǒng)計與信息論壇;2005年01期

10 金淑華;;相依序列密度函數(shù)的經(jīng)驗似然推斷(英文)[J];數(shù)學(xué)研究與評論;2008年03期

相關(guān)會議論文 前1條

1 孫志猛;張忠占;;隨機右刪失數(shù)據(jù)下線性變換模型的經(jīng)驗似然推斷[A];北京市第十五次統(tǒng)計科學(xué)討論會獲獎?wù)撐募痆C];2009年

相關(guān)博士學(xué)位論文 前10條

1 郭波濤;經(jīng)驗似然方法及基因表達調(diào)控網(wǎng)絡(luò)應(yīng)用[D];第三軍醫(yī)大學(xué);2008年

2 李周平;經(jīng)驗似然方法的若干應(yīng)用[D];蘭州大學(xué);2010年

3 劉玉坤;經(jīng)驗似然高階性質(zhì)的一些研究[D];南開大學(xué);2009年

4 韓玉;非線性時間序列模型經(jīng)驗似然推斷的若干結(jié)果[D];吉林大學(xué);2012年

5 熊賢祝;經(jīng)驗似然推斷的若干研究[D];浙江大學(xué);2012年

6 陳燕紅;時間序列模型的經(jīng)驗似然推斷[D];大連理工大學(xué);2013年

7 李曉;Bartlett校正和校正經(jīng)驗似然的研究[D];中國科學(xué)技術(shù)大學(xué);2009年

8 周小雙;若干復(fù)雜數(shù)據(jù)模型的經(jīng)驗似然和復(fù)合推斷方法[D];山東大學(xué);2013年

9 王然;半?yún)⒛Ｐ偷慕?jīng)驗似然推斷[D];浙江大學(xué);2013年

10 陳黎;不等式約束下的經(jīng)驗似然推斷[D];云南大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 王子豪;缺失數(shù)據(jù)下雙重廣義線性模型的經(jīng)驗似然推斷[D];昆明理工大學(xué);2015年

2 阮磊;部分線性ARCH誤差模型的經(jīng)驗似然方法研究[D];中國礦業(yè)大學(xué);2015年

3 朱麗霞;基于經(jīng)驗似然的非對稱核估計方法及應(yīng)用[D];浙江大學(xué);2013年

4 王燁;雙自變量的結(jié)合似然[D];浙江大學(xué);2013年

5 李華英;含附加信息時α-混合樣本情形總體分位數(shù)的經(jīng)驗似然推斷[D];廣西師范大學(xué);2015年

6 辛雅茜;α-混合樣本下含附加信息時M-泛函的統(tǒng)計推斷[D];廣西師范大學(xué);2015年

7 張昕;基于經(jīng)驗似然的早期故障檢測及應(yīng)用研究[D];中國計量學(xué)院;2015年

8 張錦麗;關(guān)于經(jīng)驗似然方法的一些研究[D];浙江大學(xué);2007年

9 朱琳琳;m-相依誤差下非線性半?yún)?shù)模型的經(jīng)驗似然推斷[D];遼寧師范大學(xué);2011年

10 李立紅;有誤差的狀態(tài)變量的常微分方程模型的經(jīng)驗似然推斷[D];山東大學(xué);2010年

，

本文編號：1457679