| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-10页 |
| 1.1 研究问题的意义及现状 | 第7-9页 |
| 1.1.1 研究意义 | 第7页 |
| 1.1.2 研究现状 | 第7-9页 |
| 1.2 研究思路与研究内容 | 第9-10页 |
| 2 预备知识 | 第10-15页 |
| 2.1 最小一乘估计 | 第10-12页 |
| 2.1.1 最小一乘回归模型 | 第10页 |
| 2.1.2 最小一乘法的性质 | 第10页 |
| 2.1.3 最小一乘估计的计算 | 第10-12页 |
| 2.2 LAD-lasso方法 | 第12-15页 |
| 2.2.1 LAD-lasso方法的提出 | 第12-13页 |
| 2.2.2 LAD-lasso的理论性质 | 第13页 |
| 2.2.3 调整参数的估计 | 第13-15页 |
| 3 缺失偏t正态数据下基于最小一乘的线性回归系数估计 | 第15-26页 |
| 3.1 偏t正态数据下线性回归模型 | 第15-16页 |
| 3.2 缺失数据及处理 | 第16-20页 |
| 3.2.1 缺失数据的产生机制 | 第16页 |
| 3.2.2 缺失数据的处理方法 | 第16-20页 |
| 3.3 缺失偏t正态数据的线性回归系数估计 | 第20-21页 |
| 3.3.1 最小一乘估计 | 第20页 |
| 3.3.2 极大似然估计 | 第20-21页 |
| 3.4 Monte Carlo模拟 | 第21-24页 |
| 3.4.1 完全数据下的回归系数估计模拟研究 | 第21-23页 |
| 3.4.2 缺失数据下的回归系数估计模拟研究 | 第23-24页 |
| 3.5 实例分析 | 第24-26页 |
| 4 偏t正态数据下基于LAD-lasso方法的变量选择实证分析 | 第26-31页 |
| 4.1 数据的选取 | 第26-27页 |
| 4.2 LAD-lasso变量选择结果分析 | 第27-31页 |
| 5 结论与展望 | 第31-32页 |
| 5.1 总结 | 第31页 |
| 5.2 展望 | 第31-32页 |
| 致谢 | 第32-33页 |
| 参考文献 | 第33-36页 |
| 附录 | 第36页 |
| 攻读硕士期间发表的相关论文 | 第36页 |