缺失数据下非线性均值方差模型的参数估计  

Parameter Estimation for Nonlinear Mean and Variance Models With Missing Data

作　　者：宋红凤[1] 汤杨冰 徐登可[1] 

机构地区：[1]浙江农林大学统计系,杭州311300

出　　处：《统计与决策》2017年第19期10-14,共5页Statistics & Decision

基　　金：国家自然科学基金资助项目(11301485;11526188;11171105);2016年度浙江省统计研究课题

摘　　要：文章在响应变量随机缺失下研究非线性均值方差模型的参数估计问题。基于回归插补和随机回归插补两种缺失插补方法以及结合Gauss-Newton迭代计算算法给出该模型中未知参数的极大似然估计。并通过对两个随机模拟例子实际例子的研究分析,结果都表明了所提出的模型与统计方法具有可行性和实用性。This paper studies the parameter estimation of nonlinear mean and variance models in the case of randomly missing response variable. Based on two imputation methods of regression imputation and stochastic regression imputation, and com bining with the Gauss-Newton iterative algorithm, the paper gives the maximum likelihood estimation of the unknown parameters in the model. Meanwhile, the paper conducts research analysis on two random simulation examples and practical data, and gets the result that the proposed model and statistical method are feasible and practical.

关 键 词：缺失数据 非线性均值方差模型 Gauss-Newton 插补 极大似然估计 

分 类 号：O212.1[理学—概率论与数理统计]