未找到相关数据
数据缺失时线性回归统计推断
被引：0
作者：
王丽妍
机构：
[1] 黑龙江大学
关键词：
线性回归;
反映变量;
数据缺失;
随机缺失;
经验似然;
D O I：
暂无
年度学位：
2005
学位类型：
硕士
导师：
摘要：
对于“数据缺失问题”,我们设d维随机向量X为协变量,Y为
受X影响的反映变量,δ为指示变量.在实践中,我们通常可以得到
这样一组不完全的随机样本（Xi,Yi,δi）,其中所有的Xi都是被完全观
测到的, Yi是有缺失的,当Yi缺失时δi=0,否则,δi=1,且有
P（δ=1|Y,X）=P（δ=1|X）,即Y是随机缺失（MAR）的.本文我们将
在上述假设下对线性回归模型中Y的均值θ进行估计,我们将插补方
法与加权方法相结合定义了几个不同的估计量,如边际均值估计量,加
权估计量等,证明了它们都是渐近正态的,并用Jackknife方法得到它们
方差的相合估计,对它们的效率进行了比较.我们还发展了经验似然方
法,得到了渐近于标准X2分布的调整的经验似然.
引用
收藏
页数：45