协变量有数据缺失的变系数模型的经验似然推断

发布时间：2021-03-05 23:26

　　变系数回归模型在生物学、医学、心理学和社会研究等方面得到广泛地应用,原因在于该模型一方面可以处理非参数回归模型的“维数祸根”问题,另一方面又继承了非参数回归模型的灵活性、适应性强的优势,并且还具有参数模型线性直观与易解释的优点。然而在实际的应用中,测量、观测的数值不完备的情况较常见。因此,本文将利用经验似然与复合分位数回归相结合的方法来研究协变量有数据缺失的变系数模型的统计推断,充分发挥复合分位数回归方法与经验似然方法的优良性。首先,在前两章节中主要介绍了与本文内容相关的国内外研究现状以及背景知识,模块内容包括:缺失数据的处理方法、分位数回归的定义、经验似然及估计方程的原理;其次,本文第三章通过结合经验似然与复合分位数回归两种方法,构造协变量带有数据缺失的变系数模型Jβ（u）的经验似然加权估计量,并证明了在数据随机缺失时该方法的渐近正态性;最后,在本文第四章中,进行数值模拟,从偏差、标准差、均方误差的不同视角下,利用四种估计方法:无数据缺失估计（Ideal）、完全数据估计（CCA）、逆概率加权估计（IPW）、经验似然加权估计（ELW）,对β（u）进行估计对比。模拟结果表明,对于误差分布... 

【文章来源】：湖南师范大学湖南省 211工程院校

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
中文摘要
英文摘要
1. 绪论
    1.1 引言
    1.2 国内外研究现状
    1.3 本文主要结构
    1.4 本文主要结论
2. 背景知识
    2.1 缺失数据
    2.2 分位数回归（Quantile Regression）
    2.3 经验似然
3. 协变量有数据缺失的变系数模型的经验似然推断
    3.1 变系数回归模型
    3.2 定理证明
4. 数值模拟
5. 结语
    5.1 总结
    5.2 展望
参考文献
致谢



本文编号：3066036