广义岭型估计岭参数的确定方法

在线性回归模型的理论研究中,参数的点估计是一个重要的研究方向。针对设计矩阵的近似复共线性,考虑回归系数的椭球约束,推广了广义岭型估计在均方误差阵意义下优于广义最小二乘估计的有关结论;针对广义岭型估计是一种自适应非线性估计,提出了采用线性Minimax估计和平衡损失函数确定广义岭型估计岭参数的具体方法,并应用R软件作了算例分析和比较。     

线性回归模型回归系数的条件岭型估计

研究了线性等式约束的线性回归模型回归系数的一种有偏估计--条件岭型估计,给出了在均方误差意义下条件岭型估计优于回归系数的约束最小二乘估计的条件.     

汾渭平原SO2与气温的函数型空间自回归分析

面对观测到的高维复杂数据,函数型数据分析方法能充分利用数据信息,有效处理这类数据,并分析不同数据类型之间的关系。收集了汾渭平原11个城市2019年月均SO_2浓度数据和逐时气温数据,为了在分析SO_2浓度与气温之间的关系时不丢失重要信息,首先通过函数型数据分析方法,对逐时气温数据进行函数化,并对气温曲线进行动态分析;其次,由于月均SO_2浓度数据存在空间相关性,故在气温曲线和月均SO_2浓度之间建立函数型空间自回归模型(functional spatial autoregressive model, FSAR)。通过函数型主成分基展开的方法对气温曲线进行降维,采用极大似然估计方法对FSAR模型中的参数进行估计。通过与函数型线性模型(functional linear model, FLM)对比,结果表明:FLM模型的均方误差远大于FSAR模型的均方误差。可见用FSAR模型处理SO_2浓度与气温数据的拟合效果更好。     

非参数回归的贝叶斯估计

基于因变量Y对自变量X条件分布的非参数贝叶斯估计,通过期望计算得到未知回归函数的后验估计表达式,并计算出估计的均方误差,证明该估计的均方收敛性.阐明当先验的选择接近真实的回归函数时,该估计的均方误差小于局部线性核回归的均方误差.最后通过实证分析,表明该非参数贝叶斯回归比非参数局部线性回归具有更好的预测效果.     

非齐次等式约束线性回归模型回归系数的条件岭型估计

对非齐次等式约束线性回归模型提出一种有偏估计,即条件岭型估计,证明了在一定的条件下,在均方误差及均方误差矩阵意义下都优于回归系数的约束最小二乘估计,并给出了两次随机数据模拟的结果,模拟数据结果表明在一定的条件下,条件岭型估计优于最小二乘估计.     

约束线性回归模型回归系数的条件岭型估计

本文提出了线性等式约束的线性回归模型回归系数的一种有偏估计-条件岭型估计,证明了在一定的条件下,在均方误差意义下及均方误差矩阵意义下都优于回归系数的约束最小二乘估计,并讨论了它的可容许性。     

线性过程误差下回归函数的样条估计

针对固定设计和线性过程误差下的非参数回归模型,在较弱条件下,讨论了回归函数的多项式样条估计的逐点相合性,得到了逐点收敛速度.模拟算例表明了估计方法的可行性.     

基于贝叶斯估计的空间函数型自回归模型及其应用

目的 为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法 以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果 使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现：不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论 使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到...     

约束线性回归模型的条件岭型估计

本文提出约束线性回归模型下回归系数的条件岭型估计的概念 ,证明了它是 β的约束可容许估计 ,且在均方误差意义下优于 β的约束最优线性无偏估计。     

三角域上的一类插值样条

给出了三角域上的一类二元三次插值样条函数 ,讨论了该样条函数的连续性方程和插值误差估计 ;该样条函数具有C1 阶光滑且近似C2 阶光滑 ,是单三次的二元样条函数 ,较双三次样条函数低三次 ,并具有计算量小等优点     

中国人口预测的半参数自回归模型

提出建立中国人口预测的半参数自回归模型,基于线性回归选取的显著性变量,利用多项式样条估计得到了半参数自回归方程,并且对中国2004~2009年人口进行了预测比较,结果表明:半参数自回归模型优于一些传统的模型.此外,还对2010~2013年中国总人口数量进行了预报.     

响应变量缺失下变系数模型的分位数回归

针对响应变量随机缺失情况下变系数分位数回归模型的非参数估计问题,提出了将B样条和逆概率加权相结合的估计方法。缺失数据在统计工作中难免会遇到,首先用logistic模型产生响应变量的缺失概率,然后对变系数模型的系数函数采用B样条逼近技术,利用缺失概率构建逆概率加权分位数回归的损失函数,得到模型的未知系数函数估计;在模拟研究中,将得到的估计与直接使用完全数据的估计方法进行对比,发现在响应变量随机缺失下,将B样条和逆概率加权相结合的变系数模型分位数回归在有限样本情况下表现良好,模拟研究结果表明该方法有效;最后将所研究的方法运用到挪威公共道路管理局收集的奥斯陆地区相关数据中,研究了空气中二氧化氮浓度与道路车流量和风速之间的关系,得出合理的结论,进一步证明了该方法的合理性。     

三角模糊系数的模糊线性回归分析结构元理论

将对称模糊系数的模糊线性回归分析的结构元理论扩展到了非对称情形,研究了三角模糊系数的模糊线性回归分析的结构元理论,并提供了数值例子,验证了该方法的有效性、适应性与实用性。     

部分函数型线性回归模型的预平滑估计

采用预平滑方法研究部分函数型线性回归模型,其中模型的响应变量为标量,解释变量由有限维向量和取值于函数空间的函数型变量构成.得到了模型系数的估计量,并讨论所提出估计量的相合性.     

采用最小二乘支持向量机的部分相依函数型线性模型估计与应用

提出一种基于无截断Bartlett核函数的重构方法,有效避免长期方差函数估计方法面临的核函数与窗宽选择问题,并将其应用到部分相依函数型线性模型中.利用考虑函数型数据相依性的最小二乘支持向量机对模型进行参数估计,数值模拟结果表明:与未考虑函数型数据相依特征的最小二乘估计方法相比,提出的考虑函数型数据相依性的最小二乘支持向量机估计方法能更稳健地估计向量系数,有效提高样本外的预测精度;将部分相依函数型线性模型应用到上证指数开盘价的预测中,得到较好的预测效果.     

平衡损失下等式约束模型参数的Minimax估计

研究等式约束模型中回归系数的线性Minimax估计问题.在改进Zellner提出的平衡损失函数的基础上,分析了齐次线性估计类中等式约束模型中回归系数线性估计损失风险的极大极小性,并得到了回归系数的线性Minimax估计;在适当的假设下,证明了回归系数线性Minimax估计的唯一性.     

固定设计下函数型线性回归模型的完全收敛速度

基于固定设计下,文章研究了解释变量和响应变量都为函数型变量时的线性回归模型,通过构造模型中线性算子T的估计量■n,证明了在不同的条件下‖■n-T‖的以概率收敛性和完全收敛性,同时给出了‖■n-T‖在完全收敛下的收敛速度.     

第一类积分方程三次光顺样条配置解法

引入并分析数值解第一类积分子方程的三次光顺样条配置解法,证明了极值问题的解存在唯一且是一个三次样条函数,得到了极值问题等价的线性方程组.     

函数系数部分线性回归模型的变量选择方法

函数系数部分线性回归模型是变系数模型中的一种特殊情形,文章对这种新的变系数模型的变量选择问题进行了主要研究．首先,运用局部多项式方法得到非参数项的估计,并且使用B样条逼近函数系数,选取SCAD惩罚作为变量选择方法．其次,得到了估计的渐近性质．最后,模拟说明了该估计方法较好地达到了变量选择的目的．