检索结果-内蒙古大学图书馆

作者：张小胡重庆工商大学

学位级别：硕士

只要是涉及数据相关领域的研究,数据出现缺失问题就是普遍存在的,因此对于缺失数据的研究一直以来都是统计学家研究的重点。另外在进行模型的拟合时,我们时常假定模型中不存在复共线性问题,然而在实际的数据分析中复共线性却是真实存在... 详细信息

只要是涉及数据相关领域的研究,数据出现缺失问题就是普遍存在的,因此对于缺失数据的研究一直以来都是统计学家研究的重点。另外在进行模型的拟合时,我们时常假定模型中不存在复共线性问题,然而在实际的数据分析中复共线性却是真实存在且常见的,因此克服模型参数中的复共线性问题是回归分析中不可避免的。在此基础上,文章考虑了部分线性变系数模型中同时存在响应变量随机缺失和复共线性问题。首先,提出将逆概率加权回归插补法和Liu估计相结合的估计方法。在估计的过程中,主要做了如下工作:先将响应变量缺失的那部分数据暂时“放弃”,利用剩余的完整数据集进行回归分析,此过程中主要采用Profile最小二乘估计对模型的参数与非参数进行估计;其次用估计所得到的模型参数与非参数对缺失响应变量的数据进行回归,得到估计的响应变量的插补值,然后再赋予原有的和估计的响应变量不同的权重,接着利用加权插补得到的“完整数据集”再次进行回归分析,得到模型新的参数与非参数的估计;最后考虑复共线性,将得到的估计进行改造,构造了响应变量缺失且模型线性部分存在复共线问题时部分线性变系数模型的Liu估计,并证明了所得估计量的渐近正态性。其次,文章通过数值模拟比较了均值插补、众数插补和逆概率加权回归插补在不同缺失概率下的表现,验证了逆概率加权回归插补的稳健性,在此基础上再次进行数值模拟,考虑模型中参数部分的复共线性问题,将数值模拟1的结论应用于数值模拟2,比较了Profile最小二乘估计和Liu估计,分析了Liu估计的优势和稳健性。最后,将理论结果和数值模拟结果应用于波士顿房价数据的研究,探讨了各项数据对房价的影响效果与作用。实证结果表明本文所提方法的实用性,完全可以应用于生活中出现的响应变量随机缺失同时伴随复共线性问题的模型拟合。

关键词：部分线性变系数模型变量缺失复共线性 Liu估计逆概率加权回归插补

来源：评论

学校读者我要写书评

暂无评论

两类模型平均方法在部分线性变系数模型中的应用

两类模型平均方法在部分线性变系数模型中的应用

引用

作者：王佳丽重庆师范大学

学位级别：硕士

部分线性变系数模型能够有效地避免参数模型的设置误差,并解决非参数模型“维数祸根”问题,部分线性变系数模型的研究大多是在某一选定的模型上进行,会出现不确定性和片面性等问题。模型平均方法通过对多个候选模型进行加权求和,能够有... 详细信息

部分线性变系数模型能够有效地避免参数模型的设置误差,并解决非参数模型“维数祸根”问题,部分线性变系数模型的研究大多是在某一选定的模型上进行,会出现不确定性和片面性等问题。模型平均方法通过对多个候选模型进行加权求和,能够有效地解决上述问题。目前,模型平均方法研究的模型大多为线性模型,并通过非稳健的最小二乘估计法去求解参数。基于上述问题,本文研究部分线性变系数模型上的Jackknife模型平均方法(JMA),并结合众数回归和SMA方法研究更为稳健的模型平均方法。具体包括以下两个方面的研究内容:首先,本文研究了Jackknife模型平均方法在部分线性变系数模型中的应用。将候选模型全部建立为部分线性变系数模型,利用Jackknife准则计算权重并通过加权求和得到最终结果,此方法既解决了模型选择的不确定性问题,又能降低预测误差。通过随机模拟验证了在异方差情况下JMA的估计效果好于其它模型平均方法,同时利用埃姆斯市房价和波士顿市房价数据进行建模,实证结果表明JMA在实际预测方面也有良好的表现。其次,本文研究了众数回归模型平均的稳健性。考虑到数据中存在异常值的情况,在估计候选模型的参数时采用稳健的众数回归方法,再利用SMA模型平均方法计算各子模型的权重并加权求和得到预测结果。本文利用随机模拟验证了众数回归估计和模型平均方法SMA的稳健性,同时利用波士顿市房价数据进行建模,研究结果表明基于众数回归估计的SMA方法比其它模型平均方法的预测效果更好,能够有效地抵抗异常点带来的影响。

关键词：部分线性变系数模型模型平均 Jackknife模型平均 SMA模型平均众数回归

来源：评论

学校读者我要写书评

暂无评论

基于经验似然的部分线性变系数模型的统计诊断

基于经验似然的部分线性变系数模型的统计诊断

引用

作者：唐丽南京理工大学

学位级别：硕士

作为部分线性模型和变系数模型的推广模型,部分线性变系数在统计建模中得到了广泛的应用。本文基于经验似然的方法对部分线性变系数模型进行统计分析。首先对部分线性变系数模型的未知参数和系数函数进行估计,并证明了他们的渐近性质；... 详细信息

作为部分线性模型和变系数模型的推广模型,部分线性变系数在统计建模中得到了广泛的应用。本文基于经验似然的方法对部分线性变系数模型进行统计分析。首先对部分线性变系数模型的未知参数和系数函数进行估计,并证明了他们的渐近性质；其次,发展了基于经验似然的一般估计方程的统计诊断,包括数据删除模型、局部影响分析、伪残差分析；最后通过随机数值模拟和实例分析验证了上述统计量的有效性。

关键词：部分线性变系数模型广义估计方程经验似然估计置信域数据删除模型局部影响分析伪残差

来源：评论

学校读者我要写书评

暂无评论

鞅差误差下部分线性变系数模型误差方差的Jackknife经验似然

引用

安徽工程大学学报 2017年第5期32卷 61-67页

作者：王伟范国良安徽工程大学数理学院安徽芜湖241000

研究了鞅差误差下部分线性变系数模型误差方差的Jackknife经验似然.首先得到了误差方差的Jackknife估计量,其次利用所得到的估计量构造了误差方差的Jackknife经验似然统计量,进一步证明了所提出的估计量渐近服从正态分布,Jackknife经验... 详细信息

研究了鞅差误差下部分线性变系数模型误差方差的Jackknife经验似然.首先得到了误差方差的Jackknife估计量,其次利用所得到的估计量构造了误差方差的Jackknife经验似然统计量,进一步证明了所提出的估计量渐近服从正态分布,Jackknife经验似然统计量渐近服从卡方分布.

关键词： Jackknife经验似然部分线性变系数模型鞅差误差正态分布卡方分布

来源：评论

学校读者我要写书评

暂无评论

部分线性变系数分位数模型的贝叶斯P-样条估计

引用

智能计算机与应用 2025年第1期15卷 88-94页

作者：杨飘黄介武贵州民族大学数据科学与信息工程学院贵阳550025

部分线性变系数模型是一类重要的半参数回归模型,针对该模型的参数估计问题,本文利用贝叶斯P-样条方法近似非参数部分的未知光滑函数,进而利用非对称拉普拉斯分布实现贝叶斯分位数回归,推导出所有未知参数的条件后验分布,通过Gibbs抽样... 详细信息

部分线性变系数模型是一类重要的半参数回归模型,针对该模型的参数估计问题,本文利用贝叶斯P-样条方法近似非参数部分的未知光滑函数,进而利用非对称拉普拉斯分布实现贝叶斯分位数回归,推导出所有未知参数的条件后验分布,通过Gibbs抽样和Metropolis-Hastings算法获得参数的估计值。通过数值模拟对贝叶斯P-样条方法与B-样条方法的估计效果进行比较分析,结果显示在均方误差和标准差准则下,贝叶斯P-样条方法在不同分位点上的估计效果更优。

关键词：部分线性变系数模型贝叶斯P-样条 B-样条 Gibbs抽样均方误差

来源：评论

学校读者我要写书评

暂无评论

空间自回归部分线性变系数分位数回归模型的广义矩估计及应用

引用

统计研究 2025年第4期42卷 137-149页

作者：丁飞鹏江西财经大学统计与数据科学学院

本文结合B样条函数、工具变量法、局部近似平滑法和广义矩估计,提出一种新的关于空间自回归部分线性变系数分位数回归模型估计方法。该方法的特点为,一是迭代收敛速度更快,运行效率更高,且易于实施;二是所得估计量具有较高的有效性和稳... 详细信息

本文结合B样条函数、工具变量法、局部近似平滑法和广义矩估计,提出一种新的关于空间自回归部分线性变系数分位数回归模型估计方法。该方法的特点为,一是迭代收敛速度更快,运行效率更高,且易于实施;二是所得估计量具有较高的有效性和稳健性;三是具有较强的异方差处理能力。在特定正则条件下,本文进一步推导上述新方法的大样本性质,并采用MonteCarlo模拟评价新方法在有限样本下的表现。结果显示,在不同空间邻接矩阵、不同空间相关度及不同分位数下,新方法的表现稳健;与现有估计方法相比,新方法的综合表现具有一定的优越性。最后,在我国290个城市的碳排放影响因素实证分析中,所述模型和新方法均能有效地捕捉到各影响因素对碳排放的线性或非线性影响。

关键词：分位数回归空间自回归模型部分线性变系数模型

来源：评论

学校读者我要写书评

暂无评论

最优加权部分线性变系数条件均值估计

引用

系统科学与数学 2025年第4期 1324-1338页

作者：郭朝会重庆师范大学数学科学学院

部分线性变系数模型具有较高的灵活性和良好的可解释性,被认为是最流行的半参数模型之一.然而,如何识别常系数和变系数效应的协变量是一项具有挑战性的任务.为了有效地降低模型误判风险,文章借助模型平均思想提出了一种最优加权部分线... 详细信息

部分线性变系数模型具有较高的灵活性和良好的可解释性,被认为是最流行的半参数模型之一.然而,如何识别常系数和变系数效应的协变量是一项具有挑战性的任务.为了有效地降低模型误判风险,文章借助模型平均思想提出了一种最优加权部分线性变系数条件均值估计方法.具体地,首先构造一系列部分线性变系数候选子模型,每个候选模型具有不同的模型结构,并获得每个子模型下的条件均值估计.然后,采用Mallows准则选择权重,从而获得最优加权条件均值估计.在一些正则条件下,文章证明了当所有的候选模型都被错误指定时所提方法仍是渐近最优的,也即是说其平方预测风险与最佳但不可行的模型平均估计的平方预测风险是渐近相等的.同时推导了模型权重估计收敛到最优权重的速率.另一方面,当候选模型包含正确模型时,证明了文章所提权重估计方法能够将权重赋给正确模型.最后,文章通过随机模拟比较了所提方法与现存流行的模型选择与模型平均方法,实验结果表明所提方法一定程度上优于现存方法.进一步分析400家不同商店销售儿童汽车座椅数据再次验证了文章所提方法的优越性.

关键词：渐近最优性条件均值预测 Mallows模型平均部分线性变系数模型

来源：评论

学校读者我要写书评

暂无评论

因变量缺失下部分线性变系数变量含误差模型的估计

引用

数学物理学报（A辑） 2010年第4期30卷 1042-1054页

作者：魏传华中央民族大学理学院统计学系北京100081

该文主要考虑部分线性变系数模型在自变量含有测量误差以及因变量存在缺失情形下的估计问题.基于Profile最小二乘技术,针对参数分量和非参数分量提出了多种估计方法.第一种估计方法只利用了完整观测数据,而第二种和第三种估计方法分别... 详细信息

该文主要考虑部分线性变系数模型在自变量含有测量误差以及因变量存在缺失情形下的估计问题.基于Profile最小二乘技术,针对参数分量和非参数分量提出了多种估计方法.第一种估计方法只利用了完整观测数据,而第二种和第三种估计方法分别利用了插补技术和替代技术.参数分量的所有估计被证明是渐近正态的,非参数分量的所有估计被证明和一般非参数回归函数的估计具有相同的收敛速度.对于因变量的均值,构造了两类估计并证明了它们的渐近正态性.最后,通过数值模拟验证了所提方法.

关键词：部分线性变系数模型变量含误差缺失数据 Profile最小二乘渐近正态

来源：评论

学校读者我要写书评

暂无评论

部分线性变系数空间自回归面板模型的有效估计及应用

引用

系统科学与数学 2021年第9期41卷 2660-2677页

作者：丁飞鹏江西财经大学统计学院南昌330013 江西师范大学数学与统计学院南昌330022

借鉴二次推导函数法(QIF)的思想,结合变量变换法,为部分线性变系数空间自回归固定效应面板模型提供了一种有效的估计方法.在一些正则条件下,建立了估计量的渐近理论,结果表明,参数估计量满足渐近正态性,非参数估计量具有最优收敛速度.... 详细信息

借鉴二次推导函数法(QIF)的思想,结合变量变换法,为部分线性变系数空间自回归固定效应面板模型提供了一种有效的估计方法.在一些正则条件下,建立了估计量的渐近理论,结果表明,参数估计量满足渐近正态性,非参数估计量具有最优收敛速度.进一步,采用Monte Carlo模拟评价了估计方法在有限样本下的表现.最后,将所述模型和方法应用于实际数据分析中.

关键词：空间自回归模型面板数据部分线性变系数模型

来源：评论

学校读者我要写书评

暂无评论

部分线性变系数测量误差模型的随机约束估计

引用

统计与决策 2019年第7期35卷 21-23页

作者：李腾苏宇楠魏传华中央民族大学理学院北京100081

文章考虑部分线性变系数模型在线性部分自变量存在测量误差并且参数分量附加有随机约束条件时的估计问题。基于校正profile最小二乘估计和混合估计方法,提出了参数分量的校正profile混合估计,并且给出了所提估计量的渐近性质。利用数值... 详细信息

文章考虑部分线性变系数模型在线性部分自变量存在测量误差并且参数分量附加有随机约束条件时的估计问题。基于校正profile最小二乘估计和混合估计方法,提出了参数分量的校正profile混合估计,并且给出了所提估计量的渐近性质。利用数值模拟验证了所提估计方法的有效性。

关键词：部分线性变系数模型测量误差 Profile最小二乘方法随机线性约束混合估计

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：