论文部分内容阅读
考虑线性模型Y<,i>=X<,i>β+∈<,i> i=1，2，…，n，其中Y<,i>为随机右删失因变量，观测到的是Z<,i>=min(Y<,i>，T<,i>)和δ<,i>=I(Y<,i>≤T<,i>)；X<,i>难以观测到，或需要较高成本才能得到其精确观测值，故转而观测与X<,i>相关的相对易得的随机变量X<,i>，用回归函数E[X|X]来代替X<,i>。文中利用Class K估计中的方法将右删失因变量Y<,i>调整为Y<*><,i>=δ<,i>φ<,1>(Z<,i>)+(1-δ<,i>)φ<,2>(Z<,i>)，并且利用数据集{(X<,j>，X<,j>)}<,j=n+1> 来估计回归函数E[X|X]。最后本文给出了参数向量β的一类半参数估计，并且证明了估计量的渐近正态性。
在第一章，我们介绍了有关删失数据、随机右删失线性模型的参数估计以及回归函数核估计的知识。在第二章，我们给出了协变量带误差的随机右删失线性模型并且对于此模型，我们给出了β的一类半参数估计。首先将右删失因变量Y<,i>调整为Y<*><,i>=δ<,i>φ<,1>(Z<,i>)+(1-δ<,i>)φ<,2>(Z<,i>)，即可得到Y<*><,i>=μ(X<,i>)β+e<,i>，再利用最小二乘法得到估计量β<,n>。由于回归函数E[X|X]通常是未知的，因此我们利用数据集{(X<,j>，X<,j>)}<,j=n+1> 来估计β<,n>中的E[X|X]，最后得到β的估计量β<,n，N>。在一定条件下，我们给出了β<,n,N>的渐近正态性。在第三章和第四章，我们分别给出了定理的证明和本文的后记。