数据缺失情况下参数约束的统计推断问题在工程、医药、生物等领域的理论研究和实际应用中均有十分重要的意义。本项目解决了列联表中数据缺失情况下不等式约束的统计推断问题;借助样条解决了参数约束情况下可和模型中的高维变量选取问题,提出了一个两阶段的变量选取算法;借助对偶的思想提出了参数约束下求解资产组合模型的优化算法;给出了边际分布随机序下每一个格点估计的迭代算法,部分推广了IPFP和GIS算法;修正了协方差阵约束情况下的似然比检验统计量,修正后的统计量既适用于低维的检验问题又适用于高维的检验问题;解决了时间序列模型中关于四舍五入数据(一种特殊的缺失数据)的估计和检验问题,提出了一个循环使用数据的方法去估计和检验四舍五入数据模型中的参数。
英文主题词missing data; parameter restrictions; spline