响应变量缺失下加权复合分位数回归估计

目的讨论响应变量随机缺失下复合线性分位数回归模型的估计和渐近性质。方法逆概率加权方法和复合分位数回归方法相结合。结果得到了响应变量缺失下的加权复合分位数估计,且在一定条件下证明了所得估计的渐近正态性。结论复合分位数综合考虑了多个分位点的信息,提高了所得估计的效率。     

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。     

协变量缺失下变系数模型基于经验似然的加权分位数回归

在部分协变量随机缺失的变系数分位数回归模型中,提出回归参数的逆概率加权估计和基于经验似然的加权估计,并讨论了这两种估计的大样本性质.从渐近方差可见,基于经验似然的加权估计效率高于逆概率加权估计.     

指示变量随机缺失下变系数模型的分位数回归

本文研究了删失数据以及删失指示量随机缺失情况下部分线性变系数模型的参数估计问题。对非参数部分采用B样条近似,对缺失的指示变量运用极大似然估计,结合分位数回归,得到了参数估计的渐近正态性质和非参数部分的收敛速度。蒙特卡洛模拟和实例分析表明,所提出的方法可以有效处理此类存在缺失的数据,获得有意义的结果。     

右删失数据下回归函数的局部组合分位数回归估计

本文研究右删失数据情形下的组合分位数回归模型,采用局部多项式逼近来估计回归函数,得到回归函数在某一点的估计量的渐近正态性和区间估计,并通过蒙特卡洛模拟验证了所提方法的有限样本性质。     

响应变量随机删失时函数型非参数分位数回归模型的估计

文章在响应变量随机删失时,研究了函数型非参数分位数回归模型,通过极小化逆概率加权分位数损失函数,构造模型中未知非参数函数的估计量。在一定的条件下,获得估计量的渐近正态性;通过模拟研究,验证了估计量的有效性。     

响应数据缺失下一般线性复合分位数光滑经验似然估计

由于分位数回归模型的损失函数不光滑,所得参数估计的效率不高,为提高参数估计的效率,首先提出复合分位数光滑经验对数似然比,包括完全数据复合分位数光滑经验对数似然比、加权复合分位数光滑经验对数似然比和插值复合分位数光滑经验对数似然比,并在一定条件下证明了它们都是服从渐近卡方分布的.其次,根据该似然比构造了回归参数的置信区间,并证明了复合分位数光滑经验似然估计量是渐近正态的.最后,通过数值模拟实验说明了所得估计的有效性.     

单指标分位数回归模型的经验似然估计

目的 讨论单指标回归模型在经验似然下的参数估计问题。方法 使用了经验似然估计的方法,结合分位数回归估计。结果 给出了单指标分位数回归模型的经验对数似然比和单指标分位数回归模型的参数估计。结论 在一定条件下证明了所得的经验对数似然比服从卡方分布和分位数经验似然估计服从渐近正态分布,并通过仿真实验验证了所得估计的有效性。     

随机丢失响应的半参数变系数部分非线性模型的估计

通过研究随机缺失响应变量的半参数变系数部分非线性模型,对模型中的各个参数进行估计;通过将线性近似方法与随机缺失响应变量的变系数部分非线性模型的样条估计方程相结合来估计模型中的未知参数,并验证了所得估计量的渐近性质;最后,通过进行两组模拟来验证估计过程的合理性,评估所提出的估计方法的性能,并根据不同的数据量做出估计精确度的对比;结果表明,两个步骤在有限样本中表现良好,随着样本数据量的增加及缺失率的降低,估计的精确性提高。     

支持向量分位数变系数模型的估计及应用

基于不对称“ε-不敏感”损失函数提出变系数模型的参数估计方法,并应用支持向量回归理论和凸二次规划理论给出模型的估计算法.结果显示,所得估计曲线可在不同分位数水平得到一个稀疏解,而数值模拟研究和共享单车实例数据分析结果进一步证实该方法的正确性和实用性.     

缺失数据下条件分位数的估计及其渐近性质

在响应变量满足随机缺失机制下，利用完全记录单元方法分别给出不含附加信息和含附加信息时条件分位数的估计，并在给定的正则条件下证明估计的渐近正态性．     

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。     

GARCH模型的二次加权复合分位数估计

基于复合分位数回归理论对GARCH模型提出更加稳健有效的二次加权复合分位数回归(BWCQR)估计,讨论了该估计权重的数值解及其大样本性质.数值模拟显示,当扰动项为厚尾分布时所提出的BWCQR估计明显优于传统的类极大似然(QMLE)估计、分位数回归(QR)估计和复合分位数回归(CQR)估计.应用BWCQR方法建立股指的波动率系统,进一步验证了BWCQR估计在实践意义下的竞争性.     

KL分位数估计的Bahadur表示

Bahadur表示对于分位数估计的大样本性质的研究有着重要的作用,本文在独立样本的条件下,证明了KL分位数估计的Bahadur表示及其收敛速度op(k-1/2n),并通过Bahadur表示给出了其渐近正态性和置信区间估计。     

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。     

部分线性变系数EV模型估计的渐近正态性

研究非参数部分带有测量误差(EV)的部分线性变系数模型,综合局部纠偏方法和Profile最小二乘估计方法定义了模型中未知参数和系数函数的估计,并在适当条件下证明了它们的渐近性质,最后通过数值模拟研究了所提估计方法在有限样本下的实际表现。     

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。     

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。     

缺失数据下基于经验似然的加权复合分位数回归推断

针对协变量随机缺失的线性模型, 提出一种基于经验似然的加权复合分位数回归推断方法, 并证明了在数据随机缺失机制下该方法的大样本性质. 结果表明, 该方法计算简单, 且对回归参数的估计效率高于逆概率加权法.     

Pareto风险模型中分位数保费的贝叶斯估计

分位数保费原理是非寿险精算中的一种重要的保费原理,在保险中有重要的应用.建立分位数保费原理的Pareto风险模型,通过引入损失函数,结合一些统计技巧,给出了分位数保费原理下风险保费的贝叶斯保费、贝叶斯估计、极大似然估计以及分位数估计.进而,讨论了这些估计的统计性质.最后,利用数值模拟的方法比较了这些估计的平均误差.