关于广义线性回归参数极大似然估计相合性的若干问题.pdfVIP

维普资讯 应用概率统计 第二十二卷 ChineseJournalofAppliedProbability 第一期 2006年 2月 andStatisticsVb1．22No．1Feb．2006 关于广义线性回归参数极大似然估计相合性的若干问题 丁 洁 丽 (武汉大学数学与统计学院，武汉，430072) 摘 要 本文在广义线性回归中响应变量服从指数型分布且有自然联系的情况下。讨论了模型参数的极 大似然估计的相合性条件有关的若干问题． 关键 词：广义线性回归模型，极大似然估计，弱相合，强相合． 学 科 分 类 号 ：0212． 51． 引言和结果 设样本Y --，Y 独立， i服从指数型分布 Yi～exp( i—b(Oi))d#(yi) t=u(z：0)， 其中 为 盯有限测度，zl，z2，--·为已知的PXq矩阵， 0为未知的P维参数向量， 0∈B， B是咒P中的开集，Oi和玑都是q维， 取值于某集合z，三(，… ，u口)是定义于 中 开集G={z ：z∈z，∈B)上取值于 的恂量函数，则对数似然方程为 札 ∑Z 、t)(￡一 ( ))=0， (1．1) {=1 其中u(t)=u(t 一，t)为一方阵，其 (J，k)元为Ouk(t)／Otj，( )是真参数值为 时Yi期 望： (z：)=6(札(z；))，b(O)=(a6()／a(1)，… ，Ob(O／O0(口))，0=((1)，。一，())． 这种模型称为广义线性回归模型 (GLM)，方程 (1．1)的根 称为 的极大似然估计．关 于GLM参数的极大似然估计 的相合性问题，在文献中有不少讨论，见 1【卜[3]．在 1【】中提 出了关于赢强、弱相合性的一般性结果．在自然联系情况 (u(t)=t，u(z~z)=I)其结果可表 述如下：记 竹 ()=∑ ∑( ) ， = ()， 其中 ￡()= ()，()为一q阶方阵，其 (J，k)元为02b(O)／OO(j)OO(k)．记 Ⅳ1()={：ll ／(一8o)1l )， 0 条件 (D) (E) o。，A(A)表 的最小特征根。 本文 2003年 9月 30 日收到 维普资讯 2 应用概率统计 第二十二卷 条件 (C) 存在与 无关的常数C0，使 () C 对 ∈Ⅳ，() 、 条件 (S) 存在 。的邻域Ⅳ及常数C0，使 inf{A(F~())： ∈Ⅳ1()) (())／+” 叩0 A(A)为 -4的最大特征根 ． 定理 A (D)+(C) ，为弱相合 ． 定理 B (D)+(s)对某个 叼0 ，为强相合 ． 定理B的结论比定理A强，因此其条件理应比定理A的条件强，即 (在 (D)成立的前提 下)(S)应比(C)强，但实际不然．这说明上述结果有其不完善之处，本文 §2将提供有关的反 例．由于这个情况，我们希望能找到一个关于 弱相合的条件，比(s)弱，这个问题将在 §3 中讨论．最后，在 §4中我们指出在 §3中得出的结果与定