排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
运用光滑样条估计部分线性模型中的非参数函数,利用限制最大似然或广义交叉验证(GCV)的方法选择光滑参数,主要考察了部分线性模型的光滑样条估计以及有关非参数函数部分的假设检验.基于光滑参数的选择方法,提出了部分线性模型中的非参数函数是否为多项式函数的假设检验方法,并通过模拟例子研究本文提出的推断效果. 相似文献
2.
3.
4.
我们定义(aij)p×ip矩阵为广义拉丁矩阵,若满足aij∈P={1,2,…,p}矩阵的每列都是P的全排列,对任意的i∈P在每行恰出现λ次,本文得到它的计数公式U(p,λp).当λ=1时,该公式就成p阶拉丁方的计数公式 相似文献
5.
结合截面最小二乘估计思想,构造了LASSO惩罚截面最小二乘估计,并研究了惩罚参数和窗宽的选择问题。由于部分线性模型LASSO解仍为线性优化问题,因此容易实现。在一定条件下,本文还研究了参数估计量的相合性和渐近正态性。最后通过蒙特卡洛模拟研究了变量选择方法的小样本性质。 相似文献
6.
卢一强 《上海理工大学学报》2003,25(2):168-171
从光滑样条回归的贝叶斯解释出发,将光滑参数λ看作先验分布中的超参数.用分层贝叶斯的方法,假定λ的先验分布为伽玛分布,用后验均值估计回归样余.通过模拟表明本文提出的方法具有很好的估计效果. 相似文献
7.
对于非参数回归模型y= f(x)+ε,其中f (x)为光滑的连续函数.用样条函数来逼近f (x),不具体选择结点的个数,考虑到结点个数的不确定性,给定结点个数一个均匀的无信息先验,用Bayes模型平均的方法来估计f (x).得到了f (x)的Bayes估计和Bayes后验区间估计. 相似文献
8.
EV回归的半参数部分线性模型的Bayes估计 总被引:1,自引:0,他引:1
考察部分线性模型y=Xτβ+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. 相似文献
1