摘要： 本文基于原有的经验似然函数,在经验似然的约束条件中的估计方程上加入Huber数和权重函数,将经验似然方法和稳健估计方程相结合.再在目标函数中加上SCAD惩罚函数,提出一种稳健的变量选 择和惩罚估计方法.通过数值模拟与最小二乘估计和普通的惩罚经验似然估计在变量选择和参数估计方面进行比较,显示本文所提出的基于惩罚稳健经验似然的压缩估计具有明显优势.
摘要： 本文基于原有的经验似然函数,在经验似然的约束条件中的估计方程上加入Huber数和权重函数,将经验似然方法和稳健估计方程相结合.再在目标函数中加上SCAD惩罚函数,提出一种稳健的变量选 择和惩罚估计方法.通过数值模拟与最小二乘估计和普通的惩罚经验似然估计在变量选择和参数估计方面进行比较,显示本文所提出的基于惩罚稳健经验似然的压缩估计具有明显优势.