具有随机缺失协变量的广义变系数模型

在协变量随机缺失时,文章利用加权拟似然方法给出了广义变系数模型中非参数函数系数的估计。由估计的渐近性质可知,当缺失概率未知时,本文提出的方法与缺失概率已知时的估计的渐近性质类似。通过模拟表明加权拟似然估计要比仅用完整个体的方法要好。     

缺失数据下非线性分位数回归模型的光滑经验似然推断

利用光滑经验似然方法,讨论了缺失数据下非线性分位数回归模型的回归系数的经验似然置信区域。     

分层线性模型中的经验贝叶斯与完全贝叶斯方法及其比较

文章对基于最大似然估计(ML)和基于约束最大似然估计(REML)的经验贝叶斯方法(EB)进行了比较;指出了经验贝叶斯和完全贝叶斯方法各自存在的问题,并对两种方法进行了比较:给出了关于应用中如何选择推断方法的建议.     

平方误差和LINEX损失函数下逆Rayleigh分布参数的经验Bayes估计

在平方误差和LINEX损失函数下,导出了逆Rayleigh分布参数的极大似然估计、Bayes估计和经验Bayes估计,并给出了Monte Carlo数值模拟比较结果.     

平滑转移空间随机前沿模型的贝叶斯估计

经济数据常存在空间相关性,忽略空间相关性会引发内生性问题,导致相应估计量有偏且不一致。空间随机前沿模型在随机前沿模型的基础上考虑了生产单元的空间相关性,更利于效率测算。然而现有空间随机前沿模型的生产函数形式单一,适用性较差,实证分析存在局限性。文章在空间随机前沿模型中引入平滑转移效应,构建了平滑转移空间随机前沿模型,该模型同时考虑了空间相关性和个体异质性,适用性较佳。为丰富估计方法,同时采用极大似然方法和贝叶斯方法估计模型,其中极大似然估计的核心在于推导对数似然函数、对数似然函数的最优化以及使用JLMS法估计技术效率,贝叶斯估计的核心在于推导未知参数的后验分布及执行MCMC抽样。数值模拟结果显示：（1）极大似然估计和贝叶斯估计的估计精度均较高,其中贝叶斯估计的估计精度略高于极大似然估计;增加样本容量,贝叶斯估计和极大似然估计的估计精度更高。（2）若忽略空间效应或者平滑转移效应,则估计精度较低。     

全样本几何分布串-并联系统产品的统计分析

针对几何分布串-并联系统产品，在全样本场合下给出了参数的矩估计、极大似然估计和近似区间估计，从理论上证明了矩估计和极大似然估计的唯一性，同时还通过大量Monte-Carlo模拟分别考察了参数的点估计和近似区间估计的精度，从中可以看到参数的矩估计和极大似然估计的精度相差无几。     

逐次定数截尾下Pareto分布参数的逆矩估计

基于逐次定数截尾样本下,讨论了Pareto分布的参数估计,得到了两参数的逆矩估计,并通过数值模拟与极大似然估计进行比较,结果表明逆矩估计优于极大似然估计.     

随机右截尾情形下一种生存模型估计的强相合性证明

文章在随机右截尾样本下,研究了这种生存模型的最大似然估计,证明了参数的最大似然估计的强相合性。     

汇率序列存在缺失值时的最大似然估计

一、简介利用状态空间模型中的Kalman滤波可以很好地解决时间序列模型的缺失数据问题。《存在缺失值的ARFIMA模型的最大似然估计》一文(高洁,《系统工程》2004年,第10期)通过修改Kalman滤波递推公式解决了长记忆ARFIMA模型的缺失数据问题,得到了存在缺失值     

含非随机缺失数据的面板数据参数估计方法

抽样调查领域常采用对多个受访者进行跟踪调查得到面板数据,进而对总体特性进行统计推断,在面板数据中常含缺失数据,大多数处理面板缺失数据的软件都是直接删去含缺失值的受访者以得到完全数据集,当数据缺失机制为非随机缺失时会导致总体参数估计结果有偏。本文针对数据缺失机制为非随机缺失情形下,如何对面板数据进行统计分析进行了阐述,主要采用的是基于模型的似然推断法,对目标变量、缺失指示变量和随机效应向量的联合分布建模,在已有选择模型和模式混合模型的基础上,引入随机效应,研究目标变量期望的计算方法,并研究随机效应杂合模型下参数的估计方法,在变量分布相对简单的情形下给出了用极大似然法推断总体参数的估计步骤,最后通过模拟分析比较方法的优劣。     

分组数据情形下一般指数分布刻度参数的极大似然估计

文章研究了分组数据情形下,一般指数分布(GED)刻度参数的极大似然估计存在且唯一的充要条件,进而得到了极大似然估计具有强相合性.     

二元Marshall-Olkin型二点分布参数与相关系数的最大似然估计

文章讨论可识最小值样本卞和完全随机样本下二元Marshall-Olkin型二点分布参数及相关系数的最大似然估计,采用先参数识别后参数估计的方式,当已知可识最小值的分布时,证明参数可识别;由此得到了可识最小值样本下的参数的最大似然估计,其中二个参数的估计量是无偏的,另外一个参数的估计量的期望不存在;模拟结果显示:估计值均稳定于真值参数;由于二元二点分布情形时,可识最小值样本等价于完全随机样本,从而导致完全随机样本下的参数的最大似然估计等同于可识最小值样本下的参数的最大似然估计;计算了X与Y之间的相关矩阵和相关系数,由此得到了相关矩阵和相关系数的最大似然估计.     

几何分布冷贮备产品的统计分析

文章给出了全样本场合几何分布冷贮备系统产品在开关寿命为几何型且开关失效时产品不立即失效的情形下参数的矩估计和极大似然估计,并通过大量Monte-Carlo模拟考察点估计的精度得到极大似然估计优于矩估计.     

全样本指数分布并-串联系统产品的统计分析

文章对指数分布并一串联系统产品在全样本场合下给出了参数的矩估计、极大似然估计、精确的区间估计和近似区间估计,并通过Monte-Carlo模拟考察了参数点估计和区间估计的精度,得出矩估计和极大似然估计的效果没有太大差异,但精确区间估计的效果要优于近似区间估计.     

定时截尾下具有缺失数据的两个几何总体参数的估计

文章利用极大似然估计方法,研究定时截尾下具有部分缺失数据的两个几何总体的参数估计问题,以及两几何总体参数相等的假设检验问题,证明了估计的强相合性以及渐进正态性,给出了检验两总体参数相等的检验统计量以及检验统计量的极限分布。     

向量乘积误差模型似然估计初值选取

文章针对VMEM似然估计初值选取问题展开讨论.依据现有的理论方法,提供了两种估计初值的方法:矩估计和迭代ACD估计,利用两种方法得到的初值在给定的条件下都具有一致性,为VMEM参数似然估计初值选取提供重要依据.     

逆Weibull分布参数的点估计和联合置信域估计

文章基于完全样本,针对两参数逆Weibull分布参数的点估计和置信区间估计问题,利用二分法导出了参数的最大似然估计,但最大似然估计法不能给出参数的精确置信区间估计,通过构造一类枢轴量得到了形状参数的精确置信区间估计,同时给出了形状参数和尺度参数的联合置信域估计。     

广义矩方法及其在金融领域的应用

文章讨论了广义矩估计的统计思想,并将其与最小二乘估计和极大似然估计方法相比较,说明了普通最小二乘估计是广义矩估计的一个特例,在密度函数满足一定的条件下,广义矩估计和极大似然估计是一致的,最后对广义矩估计在金融资产定价方面的应用进行了研究。     

正态总体下参数的优化极大似然估计方法

文章讨论了一种新的抽样方法,基于这一抽样方法提出了样本参数的优化极大似然估计,并进一步与简单随机抽样下的参数的极大似然估计结果作比较,从估计渐进效率的角度说明了该方法的优良性。     

EM算法在删失数据分布和混合分布参数估计中的应用

EM算法是一种迭代算法,主要采用后验分布的众数或极大似然估计,广泛的应用于删失数据,截尾数据,成群数据,带有讨厌参数的数据等。文章介绍EM算法,并对删失数据的对数正态分布参数估计和混合正态分布参数的极大似然估计进行了模拟,模拟结果表明对删失数据分布的参数估计和复杂的极大似然估计,EM算法是有效的,估值精度满足要求。