《缺失数据下强混合样本情形的经验似然-论文》.pdfVIP

第 32卷 第 1期 广西师范大学学报 ：自然科学版 Vo1．32 No．1 2014年 3月 JournalofGuangxiNormalUniversity：NaturalScienceEdition M ar．2O14 缺失数据下强混合样本情形的经验似然 李英华 (广西师范大学 数学与统计学院，广西 桂林 541004) 摘 要 ：在强混合样本完全随机缺失情形，本文利用随机补足后得到的 “完全样本 ”对总体均值进行经验似然 推断，证明了经验似然 比统计量 的极限分布为卡方分布 。 关键词 ：缺失数据 ；经验似然 ；强混合样本 中图分类号 ：O212．7 文献标识码 ：A 文章编号 ：1001—6600(2014)01—0051—06 0 引言 在一些实际问题的研究中，如统计调查 、医药追踪试验、生物遗传等 ，往往 由于某种人为或其他不可控 因素而导致数据带有缺失。缺失数据 问题是数理统计 中的热门课题 ，对其进行研究具有重要的实际意义 。 当数据带有缺失的情形 ，通常的统计推断理论将不能直接应用 ，需对数据进行必要的处理，继而得到 “完全 样本”后才能按通常的方法来推断。Owen[】于 1988年提出的经验似然方法是一种重要 的非参数统计推 断方法 ，较之其他一些经典的统计方法有很多突出的优点。在缺失数据下独立样本情形的经验似然方法 的研究已比较广泛和深入 ，如文献[2—4]在随机设计及缺失数据情形分别构造了线性模型、非参数 回归模 型和部分线性模型响应变量均值的经验似然置信区间，更新的研究成果可参见相应的文献。这些成果大 多都集中在独立样本情形 ，而在实际中样本往往带有一定相关性 ，强混合相依结构就广泛存在于经济金融 时间序列 中，故本文将在带有缺失数据的强混合样本情形对总体均值进行经验似然推断，推广 已有 的结 果 。 目前 ，关于缺失数据下相依样本 的研究还较少。如文献[5]讨论 了缺失数据下 m相依样本随机填补 后均值估计的相合性和渐近正态性 ，并给出了经验似然 比统计量 的渐近分布 ；文献[6]在响应变量随机缺 失且误差序列为 混合的线性 回归模型中，获得了回归参数估计 的强相合性 。尚未发现文献对缺失数据 下强混合样本情形均值的经验似然推断，因此本文的研究具有一定的意义。 强混合序列的定义如下： 设 {X，：≥1}为一随机变量序列 ， a(x，，s≤．≤ )，记 a(n)一 sup sup fP(AB)一P(A)P(B)f， AC- ．B∈ 若 lima()一0，则称随机变量序列 {X，：≥1}为 a混合 (即强混合)。 1 主要结果 设 X ，Xz，…，X 为取 自总体 X 的强平稳a混合样本 ，X 的分布 函数为F(z)(未知)，其均值 一 收稿 日期 ：2013—08—31 基金项 目：国家 自然 科 学 基金 资 助 项 目；广 西 自然科 学 基 金 资 助项 目 (2013GXNSFAA019004， 2O13GXNSFAAO19O07，2013GXNSFBA019001)；广西教育厅科研项 目(201106IX054)；广西师范大学青年 基金资助项 目；广西师范大学青年骨干教师成长支持计划资助项 目 通信联系人 ：李英华(1984一)，女，广西贵港人 ，广西师范大学讲师 。E—mail：liyinghua2006@qq．corn 广西师范大学学报 ：自然科学版 第 32卷 E(X)。假设 X 有可能缺失， 为指示X 是否缺失的变量，当 一0时 X 缺失 ；否则 X 可观察到。本文 假定 X满足完全随机缺失 (MCAR)机制，即P(一1lX)一P(常数)。令 S，一{i：数据 X 没有缺失}，S，一 {：数据x缺失}，r一∑ ，m—n--to当X缺失时，我们将对其进行填补，继而得到“完全样本”，然后利 用 “完全样本”对总体均值进行经验似然推断 。本文采用独立随机补足的方式对缺失的X 进行填补，即当