带缺失数据的半参数非线性模型基于经验似然的统计诊断

发布时间：2020-12-29 23:42

　　缺失数据常常出现在各种实验环境中,包括市场调查、医学研究、民意调查和社会经济调查等。缺少数据的统计分析是一项非常困难的任务,因为在大多数情况下,丢失的数据本身包含很少或根本没有关于丢失数据机制的信息,从而在随机缺失假设下通过借补等方法处理缺失数据得到了广泛的应用。本文讨论了在响应变量或协变量存在缺失的情况下,对半参数非线性模型进行统计诊断。首先,假设数据随机缺失,利用修正借补的方法将缺失数据补充完整,得到完全样本数据集;然后用核估计方法对未知函数进行估计,利用经验似然方法求出该模型参数估计。其次,根据数据删除模型推出删除第i点前后参数估计β与β(i)之间的关系,提出一些诊断统计量,目的是找出样本数据中有问题的点,即为异常点或强影响点;最后,通过两个实例分别对带有缺失数据的非线性半参数模型进行统计分析,从而验证以上方法的可行性和有效性。 

【文章来源】：南京理工大学江苏省 211工程院校

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

残差图

?带缺失数据的半参数非线性模型基于经验４０，２３４．９－０．２８４６，０．０００２）ｒ．??分析??估计的基础上计算标准化残差和经验Ｃｏｏｋ距离，并画出如下散°

论文?带缺失数据的半参数非线性模型基于经验似利用计算机编程，借补得到缺失数据，得到该模型相应参数估计为：??／？?＝?（３．６６－３．９－２．６，５．９ｆ??响分析??估计参数的基础上计算标准化残差和经验Ｃｏｏｋ距离，并画出如下散


本文编号：2946558