论文部分内容阅读
纵向数据在医学、经济学等领域有广泛的应用，对纵向数据的未来趋势预测有很多方法，其中线性回归模型就是一种比较实用的方法.在实际领域中，纵向数据往往需要考虑加一些等式和不等式等条件限制，如线性不等式约束下的回归模型。这样考虑起来就更难一些了。许多作者已经对这类模型做了研究，如用极大似然方法方法带不等式约束的纵向数据线性回归模型的估计，但大多数都假定数据服从某一类分布函数，如正态分布。
但实际情况往往给出的数据不知道服从哪一类分布，为了解决极大似然在这方面的缺点，我们可以引进经验似然方法。本文将介绍经验似然方法对带不等式约束的纵向数据线性回归模型的估计，它是一种非参数估计方法。在文章中我们主要给出什么是经验似然方法和如何将经验似然方法应用到带不等式约束的纵向数据线性回归模型中，然后我们对不等式模型Yij=XTijβ+εij，i=1，2，…，n.s.t.Aβ≤b的系数β估计，并对估计出的系数βn做一些渐近性质方面的研究。文中主要给出了βm几乎处处收敛于真值β0，同时n1/2(βn-β0)依分布收敛于正态分布等好的性质，最后给出这些数据的经验似然函数渐近于卡方分布，它将用于对求出系数βn的检验。