3. GEE参数的经验似然
3.1 GEE参数的定义
1. 给定来自总体F的样本{Xi, i=1,2,...,n},其中Xi的维数是q. 我们称由以下一般估计方程(General Estimating Equation)唯一确定的参数u为GEE参数,其中假设g的维数是r(i.e., 线性无关的方程的个数).
2. 两个特例:
1.) 总体分布均值u,即:g(X,u) = X-u. 此时参数的维数1等于g的维数.
2.) 已知总体为泊松分布时,对均值u进行统计推断时,对应地,g为二维函数型向量. 即g(X,u) = (X-u, X^2-u^2-u). 此时参数的维数1小于g的维数2.
3.2 GEE参数的推断基础
1. 类似于上一期,我们得到参数u的剖面对数经验似然函数
2. 若以上参数集为空集,l(u)无定义我们规定其值为负无穷;若以上参数集非空,我们利用Lagrange乘子法可得:其中lambda是如下方程的解.
3. 定义对数似然比函数:
3.3 GEE参数的点估计
1. 点估计:我们将最大剖面经验似然估计作为GEE参数u的点估计. 也就是:针于u的点估计问题,我们分两种情形讨论:
Case 1: 若方程维数r=参数维数p,此时的点估计和矩估计是一样的. 相应地, pi = 1/n for all i; 总体分布的估计即经验分布函数; l(u) = -n log(n).
Case 2: 若方程维数r>参数维数p,此时的矩估计无解;点估计是非平凡的,总体分布的估计如下所示
2. 定理:在一定条件下我们可以得到参数的渐进正态性:
推论1:在以上假定下,当r>p时,随着估计方程维数r的增加,u的估计的渐进方差是单调递减的。i.e.,我们利用的信息越多,得到的估计越稳定。
推论2:在一定意义上,u的估计是有效的.
Okay, that's all. 感谢您的收听. 咱们下期再见,再见,再见~