变系数模型的二步B样条估计

变系数模型(VCM)是经典线性模型的推广,其回归系数随协变量而变化。系数函数可以通过B样条估计,这产生了一步估计过程。我们展示这种一步B样条估计的方法不能在最优时不同的系数函数拥有不同的光滑度。本文使用两步估计来克服一步估计的缺点,给出两步估计的相合性,渐近正态性。模拟研究表明,在样本有限的情况下,本文的方法要比一步B样条估计更优,提高了系数函数估计的精确度。     

半变系数模型的估计及性质

半变系数模型在统计中具有重要的应用,本文时该模型的常数系数,采用局部多项式估计方法和平均方法,给出了它的估计,对于函数系数的估计通过应用常数系数的估计,采用局部多项式估计方法给出其估计,并给出估计的渐近正态性和证明．     

半变系数模型的局部多项式估计

半变系数模型在统计中具有重要的应用。文章对该模型的常数系数，采用局部多项式估计方法和平均方法，给出了它的估计，对于函数系数通过应用常数系数的估计，采用局部多项式估计方法给出其估计，并给出估计的渐近正态性和证明。     

非参数方差模型的样条估计

基于多项式样条方法,构造了非参数方差模型中方差函数的相合估计,并且给出了该估计的最优全局收敛速度.模拟算例验证了理论结果的正确性.     

半变系数模型PLS估计的一致收敛速度

变系数模型已经获得了广泛的应用，半变系数模型是变系数模型的有效推广，文章介绍了半变系数模型的PLS估计，给出该估计函数系数的一致收敛速度。     

部分函数型EV回归模型的经验似然推断①

针对解释变量带有测量误差的部分函数型线性回归模型,引入一个合适辅助向量,构造出未知参数的经验对数似然比函数,给出了未知参数和未知系数的极大经验似然估计。进一步证明了所构造似然比函数具有渐近卡方分布,并基于此构造了未知参数的渐近置信域。同时,也证明了给出的未知参数的估计与最小二乘估计一样具有渐近正态性。最后给出系数函数的收敛速度,达到了最优收敛速度。讨论的结果说明经验似然方法对部分函数型EV回归模型的统计推断是有效的。     

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．     

鞅差误差下非参数方差模型的样条估计

考虑固定设计和鞅差误差下的非参数方差模型,利用多项式样条方法,得到了非参数方差函数估计的最优全局收敛速度和一致收敛速度。模拟算例不仅说明了样条估计方法的可行性,而且其拟合效果和估计性质在一定条件下还优于局部线性方法。     

非参数混合效应模型的估计

针对非参数混合效应模型提出估计方法,通过B样条的方法估计非参数函数,使用惩罚(非加权)最小二乘方法估计随机效应,然后通过构造正态似然函数得到方差的估计,并且证明了方差分量的相合性和函数部分的渐近正态性;最后给出数字模拟来展示所提出方法的估计效果,结果表明:该方法给出的估计效果良好,且在数值上是稳定的。     

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。