缺失数据下广义线性模型的经验似然方法

广义线性模型是经常用来分析不同类型数据的工具。它在应用上，尤其是在生物、医学和经济、社会数据的统计分析上，有重要的意义。而缺失数据是应用中经常出现的问题。本项目致力于含有缺失数据的广义线性模型中的经验似然推断及其应用问题的研究。 针对数据随机缺失的情况，分别利用完全数据方法、逆概率加权方法、借补插值方法等用以构造广义线性模型中未知参数的对数经验似然比统计量，拟证明所提统计量是渐近卡方分布，所得结果可以构造未知参数的置信域。同时可以得到未知参数的极大经验似然估计，并将证明它们的渐近正态性质。拟通过模拟研究和实例验证说明，经验似然方法在置信域的精度及覆盖概率方面优于正态逼近方法。本项目旨在研究缺失数据下，广义线性模型中未知参数的经验似然置信域，为拓展其在实际问题中的应用奠定良好的理论基础。