半参数技术在生物医学领域中的应用

近年来半参数技术越来越多地应用于生物特征的识别,相关研究成果（出版物）逐年增加。到目前为止,该技术已用于生物医学领域的各种研究,对此有必要对其应用情况进行及时总结,这将有助于对其发展趋势及应用有一个全面了解。本文综述了半参数技术在不同生物医学领域的应用,包括接受者操作特征（ROC）分析、生存和纵向分析、药代动力学和药效学、暴露研究、基因研究及其它研究领域。其中每一部分以对半参数技术背景的一般描述开始,进而介绍其适用情况,最后对不同的研究加以比较,使大家对半参数技术的应用背景、适用情况、与参数和非参数方法相比的优点以及在疾病诊断中的协变量有概念性认识。     

基于模态回归的半参数部分线性模型的稳健估计

以半参数部分线性模型为对象,研究了基于模态回归的稳健估计方法。非参数部分采用B样条近似,在模型的回归中通过控制核函数的带宽来实现估计的稳健性,结合局部二次算法(LQA)和模型期望值最大化算法(MEM),提出EM估计算法,得到了参数估计以及非参数部分估计的收敛速度。通过蒙特卡洛模拟和实例分析,验证了本文方法的有效性。     

缺失数据情形下半参数回归模型的二阶段估计

在响应变量有缺失的不完全数据情形下,利用二阶段估计方法得到半参数回归模型Y=X’β＋g（T）＋e中参数β和非参数g（·）的估计,并给出估计渐近正态性的充分条件．     

风险度量半参数变系数复合Expectile回归模型及应用

本文结合半参数变系数回归模型、期望分位数风险价值(EVaR)的思想以及充分利用多个Expectile信息能提高参数估计效率的假设,提出了一类半参数变系数复合Expectile回归模型,并对该模型进行了估计,建立了所提出复合Expectile回归(CER)估计的大样本性质.针对该模型既含有参数部分也含有非参数部分的特征,采用了方便计算的三步估计方法.通过数值模拟也发现,当误差为厚尾或非对称分布时,在均方根误差(RMSE)的标准下,所提出的CER估计大大优于最小二乘(LS)估计和简单的Expectile回归(ER)估计.另外,本文还应用所发展的理论分析了我国货币政策对上证综指的影响.     

Heckman-Tobit模型的半参数估计

Heckman-Tobit模型可以同时处理样本选择问题和删失数据问题,是一个重要的微观计量模型.本文根据结果变量的条件生存函数所满足的性质,提出Heckman-Tobit模型的一种半参数估计方法.这种方法通过积分的形式,有效地利用了结果变量整个条件分布的信息.在一些正则性条件下,本文证明了所提出的半参数估计量的相合性和渐近正态性.其渐近性质的成立不依赖于扰动项的具体分布.数值模拟实验的结果表明,本文的半参数估计量具有优越的有限样本性质,且当扰动项服从非正态分布时优于最大似然估计量.     

缺失数据下半参数回归模型的局部线性光滑

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用最小二乘和局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量和非参数分量的局部线性估计.在适当的条件下,得到^βn,^nσ的渐近正态性和^gn(t)最优弱收敛速度.     

半参数顺序回归的贝叶斯推断

结合比例优势模型和半参数回归模型建立了一般形式的半参数顺序回归模型.对于模型的参数与非参数部分,构造了基于随机过程有限维分布的贝叶斯估计量,并在正态情形下给出了估计量的解析表达式.数值模拟结果表明,即使在小样本情况下,模型参数的估计值也接近真实值,非参数部分的估计值能描绘出真实函数的形状.对根据家庭消费结构预测收入等级...     

缺失数据下半参数回归模型的渐近性质

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量β和非参数分量g的局部线性估计βn,gn*(t),基于βn建立σ2的估计量2σn.在适当的条件下,证明βn,2σn的渐近正态性,得到gn*(t)的最优弱收敛速度.     

一类半参数变量含误差回归模型的小波估计

研究了一类解释变量为(x,T)的半参数变量含误差模型,其中,x∈Rp为非随机解释变量,T∈R1为随机解释变量.通过应用小波估计法和全最小二乘法得出了未知参数和未知函数的估计,在一般的条件下,证明了估计的强相合性.     

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．