数据有缺失时半参数模型的检验及其应用

缺失数据和半参数模型均是当前国内外研究热点问题之一.而正确的模型假定是统计推断的基础。如果模型假定错误，则可能会出现错误的统计分析结果。因此非常有必要进行模型检验工作。但是文献中关于缺失数据的模型检验的相关研究非常少，另一方面，相比估计问题，实际工作者常用的CC方法在做模型检验时效果非常差。因此非常有必要发展处理缺失数据的专门的模型检验方法。部分线性模型、单指标模型、变系数部分线性模型、COX回归模型及可加风险模型是应用非常广泛的半参数回归模型。本项目拟考虑数据缺失时后四类模型的检验问题的研究（部分线性模型的检验申请人已完成）。对每个模型检验问题，拟提出二至三种模型检验方法，给出检验统计量的渐近性质，考虑检验的相合性和敏感性，并利用数值模拟和实际数据分析验证所提方法的效果。本项目可以为应用工作者提供有效的统计分析方法，并且预期本项目拟发展的模型检验方法相比估计问题，其效果的提高更为显著。