整体最小二乘法直线拟合

针对在直线拟合中,因变量选取不同拟合的结果有差异现象,提出采用整体最小二乘法进行直线拟合。文章在分析直线方程特点的基础上,采用EIV模型描述直线方程,在解算中根据系数矩阵的特点应用QR分解分为将方程两部分,采用了混合最小二乘法求解。理论分析和实际计算结果表明,整体最小二乘法顾及了因变量和自变量的误差。拟合精度高于普通最小二乘法,采用整体最小二乘拟合直线,整体上优于普通最小二乘法。     

半参数函数关系模型参数的M估计

对于固定设计下的半参数函数关系模型,基于最小二来估计的不稳健性。对模型的参数采用M估计方法,在一定条件下。给出了参数在M估计下的强结合性．     

带有误差线性协变量的半参数变系数部分线性模型的协变量选择

考虑了一些协变量不被观察到,但辅助变量可用时的半参数变系数部分线性模型. 提出了基于SCAD惩罚的参数分量的变量选择方法,且估计既有渐近正态性又有先知性. 模拟研究说明了所提出变量选择方法的有限样本性质.     

EV回归的半参数部分线性模型的Bayes估计

考察部分线性模型y=X^τ_β+g(t)+ε,ε~N(0,σ²),其中回归变量X可以精确测量,而t具有测量误差. 用光滑样条估计非参数函数g(t), 结合光滑样条的Bayes解释及Bayes的线性回归, 将模型中的未知参数赋以一定的先验, 运用Gibbs抽样方法从后验分布中抽样, 用后验样本的均值来估计未知参数. MCMC模拟的另外一个好处是容易从后验样本中构造后验样本区间估计. 最后,提供了一个模拟例子来说明Bayes方法的估计效果.