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。     

响应变量缺失下自适应变系数EV模型的估计与渐近性质

讨论响应变量缺失情况下自适应变系数EV模型的估计问题,利用核估计方法对参数和系数函数进行两步估计,证明估计值的相合性和渐近正态性,数值模拟对所得的两步估计值进行比较,并且得出第二步估计值要优于第一步估计值.     

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。     

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．     

变系数固定效应面板数据模型的估计

在面板数据下基于变系数固定效应模型,采用两步估计方法和截面核估计方法来估计模型中的变系数部分及固定效应。模拟结果表明,当样本数据较小且观测次数较多时,两步估计法的估计效率略高于截面核估计的;而当样本数据较大且观测次数较少时,截面核估计方法的估计效率比两步估计的略好。本文通过两组不同样本的模拟数据验证了两种估计方法的有效性,说明变系数固定效应模型是处理面板数据的有效工具。     

带有时间序列的变系数 EV 模型的变量选择

在模型误差是时间序列时,利用B样条逼近和SCAD惩罚函数对变系数EV模型进行变量选择。选择合适的调整参数,偏差修正的变量选择能够同时选择有效的变量和估计非零的光滑系数函数。最后证明了变量选择的相合性,同时它也满足变量选择的Oracle性质---稀疏性。     

指数平方损失下变系数部分非线性模型的估计

本文对变系数部分非线性模型基于指数平方损失的方法进行稳健估计,这种方法不受异常值和重尾误差的影响,稳定性强.其中对变系数部分使用了B样条基函数进行逼近.在一定的正则条件下,我们建立并证明了估计量的渐近性质.     

部分线性模型M估计的弱收敛性

为得到部分线性模型中未知函数和未知系数的稳健估计,讨论了部分线性模型的M估计,用局部线性方法给出常系数的初估计,再用平均方法给出常系数的M估计,用两步方法给出函数系数的M估计,并进一步证明了未知函数和参数估计的弱一致性。     

纵向数据下变系数模型的一种稳健同质寻踪算法

探讨了变系数模型中参系数函数的同质性,其中同一个子群中的个体的系数函数是相同的.在重复观测的条件下,我们用B样条来拟合变系数模型的系数函数,同时用变点检测的方法来进行子群识别.为了解释可能的异常值或重尾分布,我们在M估计的框架下拟合系数函数,在本文中以绝对值(LAD)损失为例.模拟数据表明,当模拟数据集存在异常值或参数...     

半变系数伽马脆弱模型惩罚部分似然估计

为了更好地分析对数风险函数与协变量之间复杂的非线性关系,提出一种半变系数伽马脆弱模型并给出其估计方法．首先,应用B-样条将半变系数伽马脆弱模型近似转化为线性伽马脆弱模型,然后运用惩罚部分似然法估计转化后模型的线性参数,随后采用近似轮廓似然法并运用黄金搜索算法估计随机效应的参数;在通过迭代获得转化后的线性系数以及随机效应参数的估计以后,运用B-样条得到变系数函数的估计．经蒙特卡罗模拟研究发现,该方法可以给出协变量的线性参数以及变系数函数较为精准、稳定的估计,是分析协变量对于风险率影响的有效方法．最后,应用所提出的方法分析了NCCTG肺癌数据．     

变系数固定效应面板数据模型的估计

在面板数据下基于变系数固定效应模型，采用两步估计方法和截面核估计方法来估计模型中的变系数部分及固定效应。模拟结果表明，当样本数据较小且观测次数较多时，两步估计法的估计效率略高于截面核估计的；而当样本数据较大且观测次数较少时，截面核估计方法的估计效率比两步估计的略好。本文通过两组不同样本的模拟数据验证了两种估计方法的有效性，说明变系数固定效应模型是处理面板数据的有效工具。     

基于半参数ARCH-M模型的风险厌恶度量

提出了风险厌恶度量的半参数ARCH-M模型,给出了两步估计方法来估计均值中的未知函数和未知参数:第一步是基于局部线性估计方法,第二步是基于极大似然估计方法.在一定的条件下讨论了估计的渐近性质.     

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。     

非参数混合效应模型的B样条估计

文章主要考虑纵向数据的非参数混合效应模型Yi(td=f(tij) vi(tij) ∈i(tij)，j=1…，ni，i=1…，P．我们运用B样条函数逼近方法给出了效应函数f(t)，ui(t)的一个新的估计，即B样条估计,同时，我们也讨论了B样条估计的渐近性质。     

基于变系数乘积模型的股指跟踪研究

随着经济的发展,股票投资进入大众视野,如何选择成分股对股票指数进行跟踪,越来越受到人们的关注,基于此,针对股票指数跟踪问题,提出了利用变系数乘积模型进行变量选择的一种方法.该方法基于B样条函数逼近技术,将LPRE准则和组SCAD惩罚函数结合起来,应用于变系数乘积模型,利用牛顿迭代法和局部二次近似给出了求解估计的实施步骤...     

基于众数回归的变系数模型统一变量选择

研究了众数回归下变系数模型的统一变量选择问题.利用B样条基函数近似非参数部分,在众数回归下建立SCAD惩罚函数同时选择变系数模型中的重要变量并且识别具有常数效应的协变量,在一定条件下, 证明惩罚估计量相合性和稀疏性,通过数值模拟评估所提出的变量选择方法的有效性.     

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.     

B样条的Bernstein多项式系数

B样条函数是构造小波的基本方法之一,在软件或硬件实现上来说,B样条函数或许是最有效的具有紧支撑的简单函数。通常m阶基数B样条函数由一些非平凡多项段组成。通过构造限制在[k-1,k）上的m阶基数B样条函数段的Bernstein多项式导数与积分公式,确定高阶与低阶下B样条Bernstein多项式系数相互关系。最后,给出了Bernstein多项式系数的求解算法。     

函数型线性回归模型的三角样条估计

函数型数据的回归分析研究主要集中在函数型线性回归模型,基于三角样条估计的方法对模型中未知参数进行了估计.通过仿真实验验证了三角样条估计的均方误差比传统的多项式样条估计的均方误差更小,且在计算上用时更少,由此得出三角样条估计在部分函数型线性回归模型中具有一定的优越性.     

部分线性分位数回归模型的平均估计

模型平均估计可对不同候选模型中的参数估计量进行加权平均，能有效提高参数估计的精度，在经济、金融和管理等领域有着广泛应用。为提高部分线性分位数回归模型的参数估计效果，本文构造了基于兴趣参数的模型平均估计量并探究了其大样本性质。首先，利用B样条近似非参数函数，并通过极小化分位数损失函数来得出各候选模型的回归系数估计量，在局部误设定框架下推导了系数估计量的渐近分布；其次，基于候选模型中兴趣参数的估计构造出了模型平均估计量，并得出其渐近性质；最后，推导了覆盖真实参数的概率趋近于名义水平的置信区间。本文研究不仅丰富了平均估计的渐近分布理论，而且为兴趣参数构造了合适的置信区间。