部分线性模型是上世纪末发展起来的一种重要的统计模型，该模型综合了参数和非参数模型的优点，比纯粹的参数模型或非参数模型有更强的解释能力.常见的回归以均值回归为主，而分位数回归是利用自变量X和因变量Y的条件分位数进行建模.分位数回归由于不仅能度量回归变量对分布中心的影响，而且能度量回归变量对上尾和下尾的影响，因此比经典的均值回归更有优势.\n 本文主要研究缺失数据下部分线性分位数回归模型的统计推断问题.在固定设计以及响应量随机缺失情况下，研究了模型中参数分量和非参数分量的估计问题.为了处理缺失数据，本文先用完全情况数据方法(complete case data)给出参数分量和非参数分量的估计，然后借助于这些估计得出响应变量的借补值，重新估计模型的参数分量和非参数分量，并在适当的条件下得到了完全情况数据下估计量的渐近正态性和非参数分量的收敛速度.最后通过数值模拟研究了所提出估计方法的有限样本性质.\n 本文的特色主要体现在以下方面:(1)本文研究的数据是响应变量满足随机缺失机制，且在固定设计下进行统计推断.(2)对于部分线性模型，现已有大量文献研究了用均值回归分析独立数据和纵向数据等复杂数据，而本文考虑的是响应变量随机缺失下部分线性分位数回归模型的统计推断问题.
暂无评论