检索结果-内蒙古大学图书馆

应用数学 2015年第4期28卷 715-722页

作者：樊明智胡玉萍许昌学院数学与统计学院河南许昌461000 郑州大学数学与统计学院河南郑州450052

本文研究参数和非参数部分均带有测量误差(EV)的部分线性变系数模型的约束统计推断,综合profile最小二乘估计方法和局部纠偏方法给出模型中未知参数和系数函数的两种约束估计,并在适当条件下证明它们的渐近性质.最后通过数值模拟研究所... 详细信息

本文研究参数和非参数部分均带有测量误差(EV)的部分线性变系数模型的约束统计推断,综合profile最小二乘估计方法和局部纠偏方法给出模型中未知参数和系数函数的两种约束估计,并在适当条件下证明它们的渐近性质.最后通过数值模拟研究所提估计方法在有限样本下的实际表现.

关键词：部分线性变系数模型测量误差约束估计 profile最小二乘渐近正态性

来源：评论

学校读者我要写书评

暂无评论

部分线性变系数EV模型估计的渐近正态性

引用

河南科技大学学报（自然科学版） 2011年第2期32卷 83-87,112页

作者：冯三营牛惠芳洛阳师范学院数学科学学院河南洛阳471022

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... 详细信息

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。

关键词：部分线性变系数模型测量误差局部纠偏 profile最小二乘渐近正态性

来源：评论

学校读者我要写书评

暂无评论

部分线性变系数EV模型的经验似然推断

部分线性变系数EV模型的经验似然推断

引用

作者：马驰辽宁师范大学

学位级别：硕士

经验似然作为一种构造未知参数的置信区间的非参数统计推断方法是由Owen(1988,1990)提出的,具有很多优点,一经提出便得到广泛关注.比如,用经验似然方法来构造置信区间时,不需要估计渐近方差,所得的置信区间的形状可以自动由数据决定.许... 详细信息

经验似然作为一种构造未知参数的置信区间的非参数统计推断方法是由Owen(1988,1990)提出的,具有很多优点,一经提出便得到广泛关注.比如,用经验似然方法来构造置信区间时,不需要估计渐近方差,所得的置信区间的形状可以自动由数据决定.许多统计学家已将这一方法应用到各种统计模型中,如线性模型、非参数模型、半参数模型等. 在实际应用中,经常由于某些原因造成数据不能被精确观测而是带有测量误差,一些统计学家则将经验似然方法应用到数据带有测量误差的模型中.如Wang等(2009)Hu等(2007)利用经验似然方法研究了参数部分带有测量误差的半参数变系数部分线性模型.冯等(2012)利用经验似然方法研究了非参数部分带有测量误差的半参数变系数部分线性模型.关于参数部分和非参数部分都带有测量误差的半参数变系数部分线性模型的经验似然方法的有关文献尚未见到.本文则研究了部分线性变系数模型在参数协变量和非参数协变量都带有测量误差情形下的经验似然推断. 本文结构如下：第一部分介绍了部分线性变系数EV模型的一般形式,同时也介绍了对模型未知参数估计时所用的局部多项式估计法,以及构造模型未知参数置信区间的非参数统计推断方法经验似然法. 第二部分利用局部多项式估计方法给出参数β的估计,构造了关于未知参数的经验对数似然比函数在一定条件下给出所构造的经验似然比函数渐近收敛于χ2分布,以及参数β和系数函数α(.)的估计量渐近正态分布. 第三部分通过数值模拟,在有限样本情形下,研究了文中所提出结论的实际表现. 第四部分给出了本文定理的证明过程.证明中运用了Cauchy-Schwarz不等式、Slutsky定理、大数定律和中心极限定理等方法.

关键词：部分线性变系数模型测量误差经验似然 χ2分布

来源：评论

学校读者我要写书评

暂无评论

基于数据增广法的部分线性变系数分位数回归模型的估计及应用

基于数据增广法的部分线性变系数分位数回归模型的估计及应用

引用

作者：王绍钢浙江工商大学

学位级别：硕士

部分线性变系数分位数回归模型结合了线性回归模型和非线性变系数回归模型的优势,与传统的回归模型相比,具有更强的适应性和更好的解释力,因此广泛应用于生物医学,临床试验,环境监测和经济研究等各个领域,但是由于删失数据的存在使得一... 详细信息

部分线性变系数分位数回归模型结合了线性回归模型和非线性变系数回归模型的优势,与传统的回归模型相比,具有更强的适应性和更好的解释力,因此广泛应用于生物医学,临床试验,环境监测和经济研究等各个领域,但是由于删失数据的存在使得一些在完整数据集下适用的统计推理方法因此可能会产生很大的误差。目前已经存在一些处理删失数据的方法,但很少运用于部分线性变系数分位数回归模型。本文采用非参数数据增广的方法来处理部分线性变系数分位数回归模型中存在的数据删失问题,从而得到模型中线性部分的系数估计和非线性部分函数估计,探究该方法在部分线性变系数分位数回归模型中的表现。在数值模拟中,通过设定不同的删失类型,不同的删失率,与已有的方法进行比较,发现本文所采用的方法的估计效率是最高的。在实证分析中,本文分析了β-胡萝卜素血浆浓度及其影响因素数据和台湾新北市新店区房价的影响因素数据,通过构造部分线性变系数分位数回归模型,得到了各个系数在不同分位数水平下的估计,通过各个系数的95%置信区间来体现非参数数据增广法相对于其他方法的优势,探究了影响因素分别与β-胡萝卜素血浆浓度和台湾新北市新店区房价的关系并给出了相应的建议。

关键词：分位数回归部分线性变系数模型删失数据数据增广

来源：评论

学校读者我要写书评

暂无评论

缺失响应下部分线性变系数EV模型的统计推断

缺失响应下部分线性变系数EV模型的统计推断

引用

作者：未振军北京工业大学

学位级别：硕士

本文主要研究了响应变量随机缺失下非参数部分带测量误差的部分线性变系数模型的统计推断问题.本文的研究内容主要分为两部分:第一部分在响应变量随机缺失和非参数分量带测量误差的条件下,研究了该模型的参数分量和非参数函数的估计问题... 详细信息

本文主要研究了响应变量随机缺失下非参数部分带测量误差的部分线性变系数模型的统计推断问题.本文的研究内容主要分为两部分:第一部分在响应变量随机缺失和非参数分量带测量误差的条件下,研究了该模型的参数分量和非参数函数的估计问题.为了便于处理缺失数据,我们基于可完全观测到的数据来进行研究,然后利用局部线性光滑、profile最小二乘及偏差纠正方法,构造了模型中参数分量和非参数分量的估计量,并证明了所构造估计量的渐近正态性;此外,对于带缺失响应变量,我们构造了响应均值的两类估计,同时证明了所构造的估计具有渐近正态性,并通过数值模拟研究了所提估计方法的有限样本性质.第二部分针对响应变量随机缺失下非参数部分带测量误差的部分线性变系数模型,为了避免使用近似正态方法构造参数置信域时估计渐近协方差,我们利用经验似然方法研究了参数的置信域的构造问题,并证明所构造的对数经验似然比统计量渐近服从标准卡方分布,进而给出了参数分量的置信区间,模拟研究表明经验似然方法相比正态近似方法具有更好的有限样本性质.最后使用波士顿住房数据进行了实例分析.

关键词：缺失数据部分线性变系数模型协变量含误差经验似然

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模型的统计推断

部分线性变系数空间自回归模型的统计推断

引用

作者：孙晓倩北京工业大学

学位级别：硕士

空间数据普遍具有空间依赖或者空间自相关特征,如果使用经典回归模型,得到的估计将不具有相合性,而空间自回归模型正是解决数据空间自相关性问题的一类重要方法,传统空间自回归模型认为所有回归变量对因变量的影响都是线性的,而当有非... 详细信息

空间数据普遍具有空间依赖或者空间自相关特征,如果使用经典回归模型,得到的估计将不具有相合性,而空间自回归模型正是解决数据空间自相关性问题的一类重要方法,传统空间自回归模型认为所有回归变量对因变量的影响都是线性的,而当有非线性关系存在时,若将其作为模型中的线性部分,可能使因变量的估计偏差增大;另外,如果回归变量与因变量的关系是未知的,该模型得到的估计将不具有相合性。因此,迫切需要研究带有空间结构的半参数回归模型。本文对部分线性变系数空间自回归模型进行研究,该模型不仅具有较强的可解释性和灵活性,而且包含了多种参数、非参数回归模型及空间自回归模型,其具有适应性广且可以更好地解决社会、经济等问题的优点,因此对该模型的研究具有极其重要的现实意义。但现阶段大多数估计方法只局限于参数空间自回归模型或部分线性空间自回归模型,为突破这一现状,本文考虑部分线性变系数空间自回归模型的统计推断,首先考虑用多项式样条方法逼近非参数分量,然后利用截面拟极大似然估计方法得到模型参数的估计,所提估计方法简单易行,且对误差有较弱的假设,接着,本文研究了所提方法的渐近性质,通过研究发现,有限维参数向量的收敛率依赖于模型中空间权重矩阵的某些特征,更进一步研究发现,在大样本下,当空间权重矩阵阶的倒数一致有界时,空间参数估计量的收敛率是参数的收敛率,当空间权重矩阵阶的倒数趋于无穷时,某些空间参数估计量有较慢的收敛率。除此之外,基于一定的条件,本文给出了非参数分量最优的收敛率。最后本文进行蒙特卡罗模拟,研究所提方法的有限样本性质,并将估计方法应用于波士顿房屋数据的分析,研究所提方法的实用性。

关键词：截面似然空间自回归部分线性变系数模型多项式样条

来源：评论

学校读者我要写书评

暂无评论

缺失数据下部分线性变系数EV模型在生鲜产品销售量预测中的应用

引用

统计学与应用 2020年第1期9卷 53-62页

作者：未振军宫妍慧李春柳烟台创迹软件有限公司山东烟台

本文主要研究了在响应变量随机缺失同时非参数分量带测量误差的条件下,部分线性变系数模型的统计推断。利用局部线性光滑、profile最小二乘及偏差纠正方法,构造了模型中参数分量和非参数分量的估计;另外,为了避免使用近似正态方法构造... 详细信息

本文主要研究了在响应变量随机缺失同时非参数分量带测量误差的条件下,部分线性变系数模型的统计推断。利用局部线性光滑、profile最小二乘及偏差纠正方法,构造了模型中参数分量和非参数分量的估计;另外,为了避免使用近似正态方法构造参数置信域时估计渐近协方差,我们又利用经验似然方法研究了参数置信域的构造问题,进而给出了参数分量的置信区间,模拟研究表明经验似然方法相比正态近似方法具有更好的有限样本性质。最后使用超市生鲜产品销售量数据集进行了实例分析,得到了更好的结果。

关键词：缺失数据部分线性变系数模型协变量含误差经验似然

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约束Liu估计

引用

应用数学进展 2023年第1期12卷 15-20页

作者：李静安佰玲中国劳动关系学院应用技术学院北京淮北师范大学数学科学学院安徽淮北

本文考虑部分线性变系数测量误差模型的估计问题,同时考虑线性部分自变量存在多重共线性和线性部分存在约束条件时两种情形,基于校正的profile最小二乘技术与Liu估计方法,分别构造了未知参数分量的Liu估计和约束Liu估计,并研究了所提估... 详细信息

本文考虑部分线性变系数测量误差模型的估计问题,同时考虑线性部分自变量存在多重共线性和线性部分存在约束条件时两种情形,基于校正的profile最小二乘技术与Liu估计方法,分别构造了未知参数分量的Liu估计和约束Liu估计,并研究了所提估计量的渐进性质。

关键词：部分线性变系数模型测量误差模型 Liu估计 Profile最小二乘估计

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固定效应面板数据模型的估计

引用

统计学与应用 2022年第2期11卷 216-224页

作者：翟树芬王韶郡杨心怡中央民族大学理学院统计学系北京

为了提高线性空间自回归面板数据模型的适用性和灵活度,提出了一类固定效应部分线性变系数空间自回归面板数据模型。基于局部线性技术,利用Profile似然方法构造了模型中未知空间滞后参数、回归系数以及非参数系数函数的估计。利用数值... 详细信息

为了提高线性空间自回归面板数据模型的适用性和灵活度,提出了一类固定效应部分线性变系数空间自回归面板数据模型。基于局部线性技术,利用Profile似然方法构造了模型中未知空间滞后参数、回归系数以及非参数系数函数的估计。利用数值模拟考察了所提估计方法在有限样本下的表现。

关键词：部分线性变系数模型空间自回归模型固定效应 Profile极大似然估计

来源：评论

学校读者我要写书评

暂无评论

基于加权复合分位数回归的变系数部分线性模型的稳健经验似然估计

引用

齐鲁工业大学学报 2024年第2期38卷 73-80页

作者：叶芸莉赵培信重庆工商大学数学与统计学院重庆400067 经济社会应用统计重庆市重点实验室重庆400067

研究了变系数部分线性模型的稳健经验似然推断问题。利用加权复合分位数回归以及经验似然方法,并结合基于矩阵QR分解的正交投影技术,对模型的参数分量提出了一种基于加权复合分数回归的经验似然估计方法。理论证明了提出的经验对数似然... 详细信息

研究了变系数部分线性模型的稳健经验似然推断问题。利用加权复合分位数回归以及经验似然方法,并结合基于矩阵QR分解的正交投影技术,对模型的参数分量提出了一种基于加权复合分数回归的经验似然估计方法。理论证明了提出的经验对数似然比函数渐近服从卡方分布,得到参数分量的置信区间。该估计方法中引入了基于矩阵QR分解的正交投影技术,保证对模型的参数分量进行估计时不会受到非参数分量估计精度的影响,因此具有较好的稳健性和有效性。

关键词：加权复合分位数回归部分线性变系数模型稳健经验似然正交投影

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：