删失分位数回归模型的统计推断及其应用

在统计调查研究过程中，数据缺失是一种非常常见的现象。本书针对对象针对部分线性模型、单指标模型和随机系数模型等复杂模型，考虑当数据存在删失时，采用非参数的多重填补法和数据增广法对删失数据进行填补，在此基础上对模型进行统计推断。需要指出的是，本书采用的方法和传统的多重填补或者数据增广法有本质的区别，我们在半参数和非参数的框架下，巧妙地利用条件分位数的性质，进行抽样填补，不需要给模型参数化的假设和先验分布。在应用部分，本书将研究结果应用于环境污染数据，房价数据，血压数据的分析等实例分析中去。

目录
第1章 删失数据概述及删失分位数回归模型相关理论简介1
1.1删失数据概述1
1.1.1数据删失分类1
1.1.2删失数据常用的处理方法及参数估计2
1.2分位数回归理论6
1.2.1分位数回归基本思想6
1.2.2分位数回归模型参数估计7
1.3删失分位数回归理论8
1.4分位数框架下的多重插补方法9
第2章 删失一般线性分位数回归模型的填补技术与参数估计11
2.1响应变量删失的一般线性模型11
2.1.1分位数框架下的数据增广填补方法12
2.1.2数值模拟15
2.1.3在乳腺癌数据分析中的应用19
2.1.4在学生成绩分析中的应用21
2.1.5进一步的讨论22
2.2协变量删失的线性模型36
2.2.1多重插补的填补过程36
2.2.2经验似然法估计置信区间37
2.2.3数值模拟39
2.2.4CRP浓度对血压的影响力分析的应用43
第3章 删失部分线性模型的填补技术与参数估计48
3.1删失部分线性模型48
3.1.1常用的参数估计方法48
3.1.2两阶段估计法50
3.2删失部分线性模型的多重填补法52
3.2.1多重填补过程52
3.2.2基于多重填补结果的参数估计53
3.2.3数值模拟54
3.2.4在环境污染数据中的应用61
3.3删失部分线性变系数模型的数据增广法68
3.3.1模型及参数估计方法介绍68
3.3.2基于数据增广的填补过程73
3.3.3数值模拟74
3.3.4在β-胡萝卜素浓度及其影响因素数据中的应用84
3.3.5在台北房价及其影响因素数据中的应用90
第4章 删失部分线性可加模型的填补技术与参数估计97
4.1部分线性可加模型97
4.1.1删失部分线性可加模型概述97
4.1.2部分线性可加模型的参数估计98
4.2删失部分线性可加模型的多重插补99
4.2.1多重插补的填补过程99
4.2.2基于多重插补结果的参数估计101
4.2.3基于多重插补结果的变量选择103
4.2.4数值模拟105
4.2.5在β-胡萝卜素浓度及其影响因素数据中的应用113
4.3删失部分线性可加模型的数据增广法119
4.3.1数据增广的填补过程119
4.3.2数值模拟120
4.3.3在混凝土抗压强度数据中的应用133
第5章 基于自助法填补的模型变量选择及其应用137
5.1相关研究进展137
5.1.1变量选择研究方面138
5.1.2基于缺失数据的变量选择研究方面140
5.2完整数据下的稳定性变量选择方法140
5.2.1稳定性选择141
5.2.2BootstrapLasso方法142
5.2.3数值模拟143
5.3删失数据下一般线性模型的变量选择150
5.3.1自助法填补150
5.3.2自助法填补的稳定性变量选择151
5.3.3基于自助法填补的BootstrapLasso变量选择152
5.3.4数值模拟152
5.3.5在CGH数据序列变点检测中的应用156
第6章 删失分位数自回归模型的填补技术及应用159
6.1研究意义及现状分析159
6.1.1研究的意义159
6.1.2研究现状分析160
6.2带删失的QAR模型的填补及其估计162
6.2.1QAR(p)模型及相关理论简介162
6.2.2带删失的QAR模型的填补方案及其估计165
6.3数值模拟167
6.4在大气时间序列数据中的应用171
6.5在经济时间序列数据中的应用173
参考文献176
索引200