已閱讀1頁，還剩39頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領
文檔簡介
1、Zou和Yuan在2008年提出了一種新的估計方法：復合分位數(shù)回歸方法。相比極大似然法估計及最小二乘法估計，復合分位數(shù)回歸方法無需假定誤差分布，應用條件更為寬松；相比分位數(shù)回歸方法，復合分位數(shù)回歸方法可以利用因變量的多個條件分位數(shù)對自變量做回歸，得到更高效的估計。因此，近年來復合分位數(shù)回歸方法引起了越來越多的統(tǒng)計學家們的關注。
在統(tǒng)計學的研究中，到處可見缺失數(shù)據(jù)這種現(xiàn)象，給數(shù)據(jù)分析工作者帶來了很大的困擾，而大部分的統(tǒng)計方法是基
2、于“完全數(shù)據(jù)”的，直接舍去帶有缺失數(shù)據(jù)的樣本，只對完整數(shù)據(jù)的樣本進行分析，會降低估計的效率，甚至可能導致錯誤的推斷。
本文針對協(xié)變量隨機缺失的線性模型，提出一種基于經驗似然的加權復合分位數(shù)回歸推斷方法：經驗似然加權法。此方法計算較為簡單，且對回歸參數(shù)的估計效率高于逆概率加權法。我們證明了在數(shù)據(jù)隨機缺失機制下該方法的大樣本性質，接著又進行了模擬實驗，對模擬實驗得到的數(shù)據(jù)進行了分析，得出了無論是哪種誤差分布，經驗似然加權估計在大多
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 12988.帶有刪失數(shù)據(jù)的分位數(shù)回歸模型的經驗似然推斷
- 缺失數(shù)據(jù)下分位數(shù)差異和均值的經驗似然推斷.pdf
- 缺失數(shù)據(jù)下兩總體分位數(shù)差異的經驗似然推斷.pdf
- 缺失數(shù)據(jù)下兩類回歸模型的經驗似然推斷.pdf
- 半?yún)?shù)回歸模型的經驗似然推斷.pdf
- 缺失數(shù)據(jù)下兩類模型均值及分位數(shù)的經驗似然推斷.pdf
- φ-混合樣本下分位數(shù)回歸模型回歸系數(shù)的經驗似然置信區(qū)域.pdf
- 4917.缺失數(shù)據(jù)下帶散布的泊松回歸模型的經驗似然推斷
- 缺失數(shù)據(jù)情形三類統(tǒng)計模型的經驗似然推斷.pdf
- 一類半?yún)?shù)回歸模型的經驗似然推斷.pdf
- 響應變量存在缺失時非線性半?yún)?shù)回歸模型的經驗似然推斷.pdf
- 基于經驗似然置信域的縱向數(shù)據(jù)下半?yún)?shù)回歸模型的統(tǒng)計診斷.pdf
- 4977.缺失數(shù)據(jù)下廣義非線性回歸模型基于經驗似然的統(tǒng)計診斷
- 半?yún)V模型和缺失數(shù)據(jù)下估計方程的經驗似然推斷.pdf
- 右刪失數(shù)據(jù)下非線性回歸模型的經驗似然推斷.pdf
- 非線性回歸模型的經驗似然推斷.pdf
- 41373.數(shù)據(jù)缺失時部分線性模型的經驗似然推斷
- 半?yún)?shù)模型的經驗似然統(tǒng)計推斷.pdf
- 缺失數(shù)據(jù)下兩樣本差異指標的經驗似然推斷.pdf
- 366.基于復合分位數(shù)回歸方法的統(tǒng)計模型的相關研究
評論
0/150
提交評論