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．     

函数系数部分线性模型的B样条估计

函数系数部分线性模型是一个比较广泛的模型,其常数项函数和系数函数具有不同的自变量,这给模型的估计带来了不小的挑战。利用B样条方法同时给出该模型的常数项函数和系数函数的估计,给出了估计的相合性、渐近正态性以及收敛速度,且该收敛速度达到了非参数最优收敛速度;最后,模拟说明了B样条方法对该模型的估计是有效的。     

不同光滑变量的变系数模型的系数函数的有效估计

探讨不同自变量的变系数模型的系数函数的估计及其渐近性.使用局部线性方法和平均方法给出系数函数的平均估计,对平均估计使用回切法给出系数函数的有效估计,给出它们的渐近正态性,模拟例子说明这个估计的有效性.     

变系数模型误差方差的估计

变系数模型是由古典的线性模型发展而来,它们可以很好地检验函数系数随着协变量的变化程度．本文用PLR提出了变系数模型的误差方差的估计,并研究了它的渐近正态性,进一步用一个模拟例子来说明估计的结果是有效的．     

一类新的变系数模型的积分估计

该文从实际出发给出了一类实用范围较广的变系数模型,它们的系数函数的自变量(也称光滑变量)不完全一致.首先,使用局部线性方法给出模型的系数函数的初始估计;然后使用积分方法,给出它们的积分估计;进一步,研究这些积分估计的渐近正态性.模拟结果说明该估计方法的有效性.