缺失偏t正态数据下线性回归模型的统计推断  

Statistical Inference for Linear Regression Model with Missing Skew-t-Normal Data

作　　者：吴刘仓[1] 张家茂[1] 李玲雪 

机构地区：[1]昆明理工大学理学院,云南昆明650093

出　　处：《应用数学》2015年第1期16-25,共10页Mathematica Applicata

基　　金：国家自然科学基金资助项目(11261025;11126309);云南省自然科学基金资助项目(2009ZC039M;2011FB016;2011FZ044)

摘　　要：本文研究缺失偏t正态数据下线性回归模型的参数估计问题,针对缺失偏t正态数据,为使样本分布更加接近真实分布,改善模型的回归系数、尺度参数、偏度参数和自由度参数的估计效果,提高参数估计的稳定性,提出一种适合缺失偏t正态数据下线性回归模型的修正随机回归插补方法.通过随机模拟和实例研究,同随机回归插补,多重随机回归插补方法比较,结果表明所提出的修正随机回归插补方法是有效可行的.We investigate the estimation of regression coefficient, scale parameter, skew- ness parameter and the degrees of freedom parameter for liner regression model with missing skew-t-normal data. In order to make sample distribution closer to true distribution,improve the efficacy and stability of estimation of parameter above,we propose a corrected random re- gression imputation method for linear regression model with missing skew-t-normal data. Compared with random regression imputation and multiple random regression imputation, simulation studies and a real example shows that the corrected random regression imputation method is useful and effective.

关 键 词：缺失偏t正态数据 线性回归模型 修正随机回归插补 极大似然估计 

分 类 号：O212.1[理学—概率论与数理统计]