骨髓移植数据的删失分位数回归分析及SAS软件实现

针对髓细胞性白血病患者异体骨髓移植数据,基于软件SAS 9.4,对各生存时间及其有影响的协变量进行比例风险回归模型(Cox)、加速失效时间模型(AFT)对此数据进行回归分析,并应用拟合优度检验和逐步回归进行自变量选元,在此选元基础上建立了删失分位数回归分析,对此数据进行了更详细的分析,讨论了不同分位数时各协变量的回归系数变化情况.     

缺失数据假设下的灵活贝叶斯分位数回归分析

考虑缺失数据假设下,响应变量为有序分类变量的灵活贝叶斯分位数回归分析.对有序分类变量添加一潜在变量,并假设潜在变量服从广义偏斜拉普拉斯分布,由此建立起有效的贝叶斯后验推断程序.与传统的贝叶斯分位数回归方法相比,本方法的主要优势在于广义非对称拉普拉斯分布的尾部灵活,具有高度的适应性.最终,以云南省某医院生殖遗传中心的试管婴儿数据为例来说明本方法的有效性和适用性.     

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。     

区域金融发展和经济增长的计量分析——基于福建省数据与分位数回归方法

金融发展与经济增长关系的研究一直是经济学界讨论的热点问题.该文基于福建省1 980年～2011年的数据,运用分位数回归方法,考察了金融发展和经济增长之间的关系.与经典的条件均值回归相比,条件分位数回归方法能够挖掘数据生成过程更加全面深入的信息,为研究区域金融发展与经济增长的关系提供有力的证据.     

左截断右删失数据下线性模型的加权复合分位数估计及变量选择

在可靠性及生存分析等领域中经常出现左截断右删失数据,即指在某种设定下,样本值不能被完全观测到的数据.左截断右删失数据下线性回归的参数估计方法一般选用加权分位数估计,然而加权分位数估计只考虑了单个分位点的损失,在估计效率方面存在缺陷.为克服这一缺点,针对左截断右删失数据下线性模型的参数估计问题,提出了加权复合分位数估计方法.此外,为识别模型中的非零参数并进行变量选择,建立了基于自适应Lasso的惩罚加权复合分位数估计,并在一定假设条件下,证明了所提估计具有渐近正态性和Oracle性质.数值模拟和实例分析结果表明,本文提出的惩罚加权复合分位数估计具有良好的变量选择性质,并且加权复合分位数估计与加权分位数估计相比,具有更高的估计效率.     

基于二元选择分位数回归的上市公司信用评估

二元选择分位数回归是二元选择均值回归在分位数框架下的推广,能够更好地揭示解释变量对响应变量在不同分位点处的异质影响,从而可以更加准确地描述与预测二元选择行为。文章基于二元选择分位数回归建立了上市公司信用评估方法,通过数值模拟和实证研究,对二元选择分位数回归与二元选择均值回归的信用评估能力进行了比较。研究结果表明,无论样本内还是样本外,二元选择分位数回归均能够更加准确地评估上市公司的信用状况。     

响应变量缺失下加权复合分位数回归估计

目的讨论响应变量随机缺失下复合线性分位数回归模型的估计和渐近性质。方法逆概率加权方法和复合分位数回归方法相结合。结果得到了响应变量缺失下的加权复合分位数估计,且在一定条件下证明了所得估计的渐近正态性。结论复合分位数综合考虑了多个分位点的信息,提高了所得估计的效率。     

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.     

高维惩罚分位数回归及优化算法

针对具有异常值或离群点的高维数据线性回归模型，提出了一种基于误差函数正则化的惩罚分位数回归的新方法，与经典的L₁惩罚方法相比，新方法具有更好的稳健性以及更小的估计偏差和预测误差；为解决分位数损失函数非光滑性与误差函数非凸性所带来的计算挑战，结合迭代再加权L₁算法以及ADMM算法，提出了一种有效的IRWADMM算法，并对回归系数进行了求解.模拟结果表明，与已有的惩罚分位数回归方法相比，新方法在参数估计和变量选择等方面均具有更好的表现.将新方法应用于核黄素基因数据分析，以证实其有效性和可行性.     

基于分位数因子模型的高维时间序列因果关系分析

从观察数据中发现变量之间的因果关系是许多科学研究领域的关键问题，传统Granger因果模型受到维度灾难的影响，难以准确地在高维时间序列中发现因果关系.提出一种基于分位数因子模型的Granger因果分析新方法 QFMCGC用于高维时间序列因果关系的判定.首先，QFM-CGC采用赤池信息量准则进行模型选择，避免人为干预设置滞后阶数的操作；然后，对向量自回归（Vector Autoregressive,VAR）模型中的条件变量建立分位数因子模型进行降维，减少VAR模型中的待估计系数，对降维后的VAR模型重新进行条件Granger因果分析；最后，使用蒙特卡洛模拟评估不同方法识别底层系统与观测时间序列的连通性结构的能力.在不同维度变量的线性仿真系统和两组现实数据集上与基准方法和经典方法进行了比较，实验结果验证了该方法的有效性.     

线性测量误差模型的随机加权分位数回归

将随机加权法推广到线性测量误差模型,结合分位数回归估计方法,提出线性测量误差模型中参数的随机加权分位数回归方法.在一定条件下,可以用随机加权法得到分位数回归估计量的渐近分布,这种方法避免了估计冗余参数,并且实施方便.通过模拟研究和艾滋病数据验证了随机加权分位数回归方法的有效性.     

基于遍历函数型数据条件分位数估计的相合性

文章利用鞅的方法研究了基于平稳遍历函数型数据条件分位数的非参数估计,在一定的条件下建立了条件分位数估计的相合性,即在遍历数据集下,研究解释变量X取值于某半度量空间而响应变量Y取值于实值空间R时条件分位数的性质;同时给出了相同条件下条件分布函数的相合性和渐近性质,推广了现有文献中的相关结果。     

右删失数据下带辅助信息的部分线性分位数回归模型经验似然推断

利用经验似然结合辅助信息的方法来改进右删失数据下部分线性分位数回归模型的参数估计,通过数值模拟在不同的右删失数据和不同的未知非参数函数下,比较了传统部分线性分位数回归方法和带辅助信息的部分线性分位数回归方法的估计结果的均方误差,进而证明了利用经验似然方法结合辅助信息的部分线性分位数回归方法更有效.     

具有幂变换的半参数分位数回归

考虑响应变量具有幂变换的半参数分位数回归模型.非参数部分运用B样条进行估计,通过最小化累积残差平方和来估计Box-cox幂变换中的参数.研究得到了半参数分位数回归模型估计的一致收敛速度.     

缺失数据下基于经验似然的加权复合分位数回归推断

针对协变量随机缺失的线性模型, 提出一种基于经验似然的加权复合分位数回归推断方法, 并证明了在数据随机缺失机制下该方法的大样本性质. 结果表明, 该方法计算简单, 且对回归参数的估计效率高于逆概率加权法.     

考虑不同充电策略的锂电池健康状态区间估计

评估锂离子电池健康状态(SOH)对于电池使用、维护、管理和经济性评价都有十分重要的意义,但当前锂电池SOH估计方法多针对特定充电策略,采用确定性估计模型,无法反映电池退化过程中的随机性、模糊性等不确定性信息.为此,提出一种适用于不同充电策略的锂电池SOH区间估计方法.该方法针对不同充电策略的电池循环充放电数据提取多个特征参数,通过交叉验证自动选择针对特定充电策略的最优特征参数组合.另外,考虑到锂电池全生命期循环次数有限,属于小样本问题,提出集成支持向量回归与分位数回归优势的支持向量分位数回归模型(SVQR)进行锂电池SOH区间估计.选用放电程度较深的锂电池充放电循环数据作为训练集,对SVQR模型进行离线训练,训练好的模型用于不同充电策略下锂电池SOH在线估计.采用具有不同充电策略的数据集验证所提方法,实验结果表明：所提方法适用于不同充电策略,且估计结果优于分位数回归法、分位数回归神经网络法和高斯过程回归法.     

面板数据复合分位数回归模型的渐进相对效率

针对面板数据个体固定效应复合分位数回归模型,研究回归系数估计的渐进相对效率.采用计算复合分位数回归估计和最小二乘法估计的协方差矩阵的迹的比值,计算结果表明复合分位数回归相对于最小二乘法的渐进相对效率的比值大于70%.还将Zou在2008年提出的适应性lasso的想法应用于此面板数据个体固定效应复合分位数回归模型,构造出适应性lasso惩罚复合分位数回归估计,并在适当条件下证明其估计的渐进性质.     

基于神经网络分位数回归的行业成本预测研究

针对成本在经济学系统中变化的非对称,与其影响因素之间的非线性关系,提出采用神经网络分位数回归法来研究成本与各影响因素之间的联系,并进行成本预测;该方法不仅可以通过神经网络结构模拟经济系统中非线性关系,还可以通过分位数回归功能揭示各影响因素对成本整个条件分布的影响规律;通过实证结果分析,神经网络分位数回归模型相较于OLS回归模型和分位数回归模型其预测精度更高,且揭示了各因素的影响规律,所以神经网络分位数回归模型的分析结果更科学,更有价值,更有助于相关管理决策者进行成本分析、控制和管理。     

复合分位数下的国债利率期限结构研究

本文采用复合分位数回归(CQR)的估计方法对利率期限结构模型贴现率的估计与预报进行研究。实证结果表明,在小样本情形下复合分位数回归方法要比最小二乘法和分位数回归法稳健性更强,表现出对参数.     

基于FPCA的部分函数型线性模型的复合分位数回归估计

本文研究了部分函数型线性回归模型的复合分位数估计问题.采用函数型主成分基函数对斜率函数和函数型预测变量进行展开,在相当宽松的条件下给出斜率函数的最优收敛速度和参数部分的渐近正态性.最后通过理论模拟来评价提出方法的有效性.