线性回归分位数的相依样本估计的强相合性

在误差为平稳强φ混合随机序列的条件下,证明了线性模型中的回归分位数的估计的强相合性     

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。     

广义线性模型的分位数回归变点检测

变点问题因具有广泛的应用,一直是一个研究的热门问题。文章结合分位数回归的思想,考虑了广义线性模型在连接函数不变的情况下其参数是否发生改变,利用子样本的次梯度来构造检验统计量,并且找到了在原假设下检验统计量的渐进分布,并通过数值模拟证明了该检验的有效性。     

随机效应模型的复合分位数回归估计

在纵向数据处理中,随机效应模型是使用频率非常高的模型之一。本文主要采用复合分位数回归估计的方法,在对其参数进行估计的同时,证明了此估计渐近正态性。经模拟研究,比对了中位数回归估计、传统最小二乘估计和复合分位数回归估计三种估计的精度,模拟结果显示,在样本有限的情况下,本文所提出的方法对随机效应模型的参数估计是有效的,尤其当模型误差项不遵循高斯分布时,复合分位数回归估计的实用性是明显的。     

多元线性模型回归系数的混合估计

本文采用混合估计β_(?)~*来估计多元线性模型中的回归系数β=Vec(B),证明了当多元线性模型随机误差阵向量化的协差阵已知时,混合估计B(?)~*的均方误差MSE小于β的LS估计β~*的MSE。     

混合系数线性模型的一类有偏估计

研究了连续测量数据情况下的混合系数线性模型的参数估计问题.利用压缩估计方法给出了该模型的一类有偏估计,并讨论了该估计的一些优良性质和压缩系数的选取问题.     

混合序列下分位数估计的强相合及其Bahadur表示

本文在混合序列下,证明了分位数估计的强相合性并给出其Bahadur表示.     

混合系数线性模型参数的一类有偏估计

在连续测量数据的情况下,针对模型的复共线性,本文给出了混合系数线性模型参数的一类有偏估计,称之为s-K-B估计。在一定条件下证明了这类估计分别优于岭估计,Stein估计,s-K估计以及最小二乘估计。     

基于广义排序集样本的分位数估计

为提高总体分位数的估计效率,提出基于广义排序集抽样的非参数加权估计量.根据估计量的强相合性和渐近正态性,给出了在任意给定的抽样方案下使渐近方差达到最小的权数.再利用最优权数的适应任意分布性,证明出使估计效率达到最大的抽样方案是从所有排序小组中挑选具有同一次序的观测值.通过对渐近相对效率的数值计算和一组真实数据的实际应用,表明最优加权估计功效高于无权估计,最优排序集抽样效率高于标准排序集抽样和简单随机抽样.      

基于MRCD估计的多元线性回归模型的稳健估计

含异常值的数据和高维数据越来越频繁地出现,对现有的稳健估计和多元线性回归估计方法提出了挑战.传统的多元线性回归模型估计对异常值非常敏感,基于MCD估计方法的多元线性回归估计对异常值有一定的抵御作用.但随着数据维数的增加,MCD估计的精度不断降低,稳健性也随之降低,且当数据维数大于样本量时MCD估计方法失效.因此,本文利...     

一类相关线性模型参数的投影估计

论文研究了比较广泛意义下的线性模型y=Xβ+u的参数估计,提出了一个好的方法——投影方法.在这个模型中,利用随机项u可能不一定相互独立的条件形成了一个递归关系,由此可得到待估参数的渐近估计.这是一个比较好的结果.     

时变扩散模型中收益参数向量的局部复合分位回归估计

主要研究多维时变扩散模型中收益参数向量的估计问题.基于离散观测样本,利用局部线性拟合的方法,得到了时变漂移参数向量的局部复合分位回归估计,并证明了估计量的渐近正态性.同时,给出了估计量的渐近偏差和渐近方差.     

变系数模型中的新局部线性估计法

提出一种新的局部线性方法用来估计变系数模型中的未知函数,给出了未知函数估计量的渐近条件偏差和方差.由于新方法所得估计量的渐近方差小于传统线性估计量的渐近方差,因而新方法更加有效.     

一类线性回归模型的参数估计

考虑一类多总体线性回归模型,其特点是它们均具有部分相同回归系数.采用各个子总体内样本利用最小二乘方法估计回归参数,然后依据样本容量进行加权估计公共回归系数,最后把公共回归系数回代到各个线性回归模型,利用最小二乘方法估计不同部分系数.理论结果表明,此种方法得到的估计量,不仅是无偏估计,而且方差比用单个子总体样本得到的最小...     

海量数据下线性混合效应模型的估计算法

基于以往文献提出线性混合效应模型参数的三步估计方法,避免了繁杂的极大似然估计迭代步骤。同时为进一步解决海量数据下计算估计量时存在的存储瓶颈及计算时间过长问题,在海量纵向数据的两种不同数据格式下,分别基于三步估计方法利用分治算法计算模型参数的估计量。数值模拟和实证分析结果表明,本文所提出的三步估计方法和估计量的分治算法可以减轻计算负担,减少占用内存,解决内存不足的问题,并提高计算速度。     

一类多元线性模型的一致最小方差无偏估计

本文讨论一类多元线性模型 :y=(S T′) β+e,E(e) =0 ,e=(ε′(1) ,… ,ε′(n) )′,E(ε(i) ε′(n) ) =Φ 0 ,E(ε(i) ε′(i) ε(i) ε′(i) ) =K,i=1 ,2 ,… ,n.当 y准正态分布时 ,在一定意义下得到Φ的 L S估计Φ1,以及 tr(DΦ1)为 tr(DΦ ) (D=D′)的一致对 (Φ ,k)的最小方差无偏估计 (UMVUE)的若干充要条件 .     

混合效应模型的双MCP惩罚分位回归研究

针对混合效应模型,在已有的双Lasso正则化分位回归(DLQR)的基础上,结合MCP惩罚,提出了双MCP正则化分位回归(DMQR).通过对惩罚方法的改进,使得模型的拟合效果大大提高.在求解参数时使用交替迭代算法使得每次只用求解单个MCP惩罚的分位回归,并结合针对非凸惩罚的迭代坐标下降法(QICD)使得计算的速度大大提高.在稀疏模型的模拟研究中发现,无论在何种误差条件下,DMQR都能很好的排除冗余变量,效果相对于DLQR有了较大的提升.且在模型的稀疏程度不同时,都能得到很好的模拟结果.     

PC准则下生长曲线模型回归系数阵的一类线性估计的优良性

设生长曲线模型为Yn×p=An×m Bm×k Ck×p En×p,E～N(0,σ2In(×)Ip).当ATA为病态时,令回归系数阵的最小二乘(LS)解和一类线性估计分别为B=(ATA)-ATYCT(CCT)-1和B1=(ATA ∑)-1 ATYCT(CCT)-1,其中ρ＞0为常数,∑为正定阵.分别在ATA和∑的可交换性未知和已知的情形下证明了:在适当条件下B1于PC准则下优于B.并将这一结论推广到当ATA和CCT都是病态时的情况.     

半参数线性回归模型的最小一乘核估计

提出半参数线性回归模型的最小一乘核估计,通过模拟计算表明该方法是有效的,在与最小二乘核估计的比较中更突出了该方法的稳健性.     

广义线性模型标准误折刀法稳健估计的模拟研究

探讨广义线性模型中标准误折刀法估计的不同形式,通过蒙特卡洛模拟考察了两种基于折刀法标准误估计之表现.模拟结果表明,折刀法给出的标准误在模型设定正确时与基于Fisher信息阵的标准误行为类似,而在独立性假定被破坏时,折刀法明显优于后者.最后,将折刀法用于分析一组癫痫病数据,得到了令人信服的结论.