部分线性回归模型的加权似然推断  

WEIGHTED LIKELIHOOD INFERENCE FOR PARTIALLY LINEAR REGRESSION MODELS

作　　者：张赛茵[1] 梁华[2] 

机构地区：[1]首都经济贸易大学统计学院,北京100070 [2]乔治华盛顿大学文理学院,华盛顿20052

出　　处：《系统科学与数学》2015年第12期1501-1509,共9页Journal of Systems Science and Mathematical Sciences

基　　金：国家自然科学基金(11529101);北京市优秀人才培养资助项目(2014000020124G126)资助课题

摘　　要：针对不同来源的几组相关数据集,研究了部分线性模型的加权似然推断问题,给出了加权似然估计的相合性和渐近正态性,模拟结果表明在均方误差意义下,加权似然得到的估计优于经典的极大似然估计,并把新的估计方法应用到艾滋病临床试验数据分析中.This article studies weighted likelihood inference for partially linear models when several related data sets are available from different sources.The estimator derived from the weighted likelihood can reduce the mean squared error（MSE） of the classical maximum hkelihood estimator.The improvement is illustrated numerically.The resulting estimator is shown to be consistent and asymptotically normal.A real data set from an AIDS clinical trial is also analyzed.

关 键 词：有效性 预光滑 半参数估计 加权似然 

分 类 号：O212.1[理学—概率论与数理统计]