随机右截尾情形下两个Cox模型的参数估计

研究了随机右截尾情形下两个单参数Cox模型的参数估计.在两个Cox模型的参数都未知时,得到了两个Cox模型的参数的具有强相合性的最大似然估计与参数比的区间估计.     

定时截尾样本下广义逆指数分布参数的Bayes估计

文章在定时截尾样本下,讨论了广义逆指数分布形状参数、可靠度和危险率的极大似然估计。基于指数先验分布,在熵损失、平方损失和Linex损失函数下分别得到形状参数、可靠度和危险率的Bayes估计,并给出了确定超参数的方法。利用数值模拟计算了估计量的各种估计均值和均方误差,研究结果表明,形状参数在熵损失和Linex损失函数下的估计精度较高;可靠度的Bayes估计整体优于极大似然估计;危险率的Bayes估计在Linex损失函数下的效果较好。     

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。     

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.     

随机右截尾保险寿命数据的非参数回归估计

文章分别运用bagged最近邻估计与kn-最近邻估计的非参数回归方法对随机右截尾假定下的保险寿命数据进行估计,分析了两种估计的收敛速度,并对两种估计的估计精度通过随机模拟方法进行比较,结果显示bagged最近邻估计优于kn-最近邻估计。     

广义指数分布的统计推断

文章利用逆矩法估计广义指数分布的未知参数,并与最大似然估计作了模拟比较,模拟结果表明逆矩估计量更好.同时,我们也给出了构造尺度参数区间估计的方法.     

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。     

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.     

分组数据在指数分布下的近似极大似然估计

基于指数分布下的分组数据,文章研究了步加试验中参数的近似极大似然估计方法,最后通过蒙特卡罗模拟,说明方法是可行且有效的.     

指数分布抽样基本定理及在四参数二元Marshall-Olkin型指数分布参数估计中的应用

本文提出指数分布抽样基本定理,四参数二元Marshall-Olkin型指数分布的参数估计中,从参数的识别性分析着手,获得了一个用可识最小值函数表示的分布函数表达式,进而得到了二元指数分布的一个特征;以二元指数分布随机变量样本与二元可识最小值随机变量样本的等价性,获得了基于二元可识最小值随机变量样本参数的最大似然估计,并应用指数分布抽样基本定理,得到了四参数二元Marshall-Olkin型指数分布参数的一致最小方差无偏估计.     

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。     

改进的随机截尾模型

在随机截尾模型的基础上,为了保护被调查者的隐私,文章提出了一种改进的调查数量敏感性问题的随机化回答方法,并把改进模型的精度与随机截尾模型、随机截尾Warner模型进行了比较。     

指数分布参数基于部分顺序统计量的区间估计

对于指数分布,文章利用样本的部分顺序统计量构造了一种枢轴量。求出精确的抽样分布,并研究了Fisher信息量,进而可以进行参数的区间估计。     

关于季节指数约束条件和极大似然估计的研究——基于三种加法和乘法模型

使用科学的方法观测并计算某种社会经济现象的季节性变动,对于把握其真实的环比变动具有重要的现实意义。使用经典方法计算季节指数以反映现象的季节性变动,因其结果不够严谨和完备,是一个至今尚未获得完满解决的问题。为了提高计算季节指数结果的科学性、严谨性、完备性,基于符合三种加法和乘法模型的社会经济现象,解析其中各季节指数之间存在的约束条件,运用数理统计中极大似然估计理论与方法,推导出与经典方法算式相近的季节指数的约束极大似然估计算式,给出季节指数的区间估计,并举例对获得的结果做了计算和对比验证。     

信度因子置信区间的估计

文章考虑当风险单元中样本容量不满足完全信度条件时,如何估计信度保费计算公式中置信因子的区间估计;构造了由中心矩组成的统计量,并分析其渐近分布,得到了损失额变异系数的区间估计;根据风险单元的样本容量计算其信度因子的区间估计;并通过一个实例进行了说明.     

基于逐步递增的Ⅱ截尾样本的Rayleigh分布参数的Bayes收缩估计

在逐步递增的Ⅱ截尾试验下,文章针对Rayleigh分布参数的估计问题,在平方误差损失函数下得到了未知参数的Bayes估计,同时提出了一种新的估计方法-Bayes收缩估计.数值模拟结果表明提出的Bayes收缩估计较Bayes估计更加稳健.     

双重滞后随机前沿模型技术效率的估计

首次在随机前沿模型中同时引入因变量间(或双边误差间)和技术效率间的空间相关性并构造了双重滞后随机前沿模型,使用极大似然估计方法和JLMS方法得出参数和技术效率的估计。蒙特卡罗模拟表明:忽略技术效率的空间相关性,参数估计和技术效率的估计均表现欠佳。本研究能以较高的精度估计参数和技术效率。随着样本容量的增加,估计效果更优。     

指数分布危险函数的经验Bayes估计的收敛速度:Ⅱ型截尾情形

文章对Ⅱ型截尾情形的指数分布在平方损失下获得了其危险函数的Bayes估计,并构造了相应的经验Bayes(EB)估计,证明了所提出的EB估计是渐近最优的且有收敛速度O(n-λ(δ-2)(s-1)/[δ(2s 1)])。其中,δ>2,0<μ<1,s≥2为给定的整数。     

极大似然估计的间接求法

文章给出了全样本和定数截尾样本场合下求参数极大似然估计的间接方法,并举例说明了该方法的可行性和简便性。     

随机效应变系数空间自回归面板模型的估计

具有良好可读性和稳健性的变系数模型在各学科领域应用广泛.本文构建了一种新的随机效应变系数空间自回归面板模型,运用截面极大似然估计方法,导出了模型的估计量,证明其具备一致性和渐近正态性,蒙特卡洛模拟研究显示估计量的小样本表现效果良好.