协变量缺失下可加部分线性模型的统计推断

发布时间：2021-01-06 05:48

　　在模型当中,人们比较喜欢研究参数模型,主要是因为参数模型具有简单性、解释性以及有效性。但是,如果我们给出的模型假设不正确的话,就会出现错误的结果。为了减少模型的偏差,具有灵活性的非参数模型越来越多的受到人们的青睐。但是当协变量维数比较高的时候,就会出现“维数祸根”问题。因此,介于参数与非参数模型之间的半参数模型越来越多的受到人们的关注。这主要是因为半参数模型不仅有参数模型的可解释性,还有非参数模型的灵活性。其中可加部分线性模型就是一种常见的半参数模型。在实际的生活中,在许多像市场调查等领域中,许多被调查的人并不想泄露自己的信息,就会导致在做调查的时候存在缺失数据的情况。在这种情况下,标准的统计推断已经不能够很好的对数据进行统计分析。因此,许多学者开始着手研究如何利用观测到的数据进行统计研究。对于处理缺失数据的办法中,人们首先能够想到的办法就是去掉没有观测到的数据,利用能够观测到的数据进行统计分析,但是这种方法有一个缺点,就是统计分析得到的结果是有偏的。因此,另外一种比较有效的方法,逆概率加权（IPW）方法越来越多的被人们所使用。本文就是在协变量缺失下基于逆概率加权的方法对可加部分线性模... 

【文章来源】：山东师范大学山东省

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 引言
    1.1 缺失数据
    1.2 分位数估计
    1.3 经验似然
    1.4 可加部分线性模型
第二章 协变量缺失下可加部分线性模型中参数的加权分位数平均估计
    2.1 可加部分线性模型的分位数估计
    2.2 协变量缺失下的分位数估计
    2.3 主要结果
    2.4 数值模拟
    2.5 实例分析
    2.6 条件及证明
第三章 协变量缺失下可加部分线性模型中参数的经验似然推断
    3.1 完全数据下的估计
    3.2 协变量缺失下可加部分线性模型中参数的统计推断
    3.3 条件及证明
第四章 总结与展望
参考文献
作者在攻读硕士学位期间发表的主要论文
致谢



本文编号：2960038