检索结果-内蒙古大学图书馆

兰州理工大学学报 2019年第6期45卷 157-161页

作者：夏亚峰屈亚蓉兰州理工大学理学院甘肃兰州730050

基于众数回归对部分线性可加模型提出一种变量选择方法.利用B样条基函数逼近非参函数,自适应LASSO惩罚函数实现参数和非参函数的同时变量选择,在适当的条件下证明变量选择方法具有Oracle性质,给出变量选择的EM算法,数值模拟结果检验了... 详细信息

基于众数回归对部分线性可加模型提出一种变量选择方法.利用B样条基函数逼近非参函数,自适应LASSO惩罚函数实现参数和非参函数的同时变量选择,在适当的条件下证明变量选择方法具有Oracle性质,给出变量选择的EM算法,数值模拟结果检验了变量选择方法的有效性.

关键词：部分线性可加模型自适应LASSO 众数回归变量选择

来源：评论

学校读者我要写书评

暂无评论

删失部分线性可加模型的复合分位数回归及应用

引用

应用概率统计 2023年第4期39卷 604-622页

作者：杨晓蓉李路武皓月许文婷浙江工商大学统计与数学学院杭州310018 浙江工商大学统计数据工程技术与应用协同创新中心杭州310018

本文针对一种具有广泛适用性的半参数模型,部分线性可加模型,研究其响应变量存在删失数据时模型系数和非参数函数的估计.对此,提出了一种基于数据增广的复合分位数回归估计方法.该方法利用分位数回归和分布函数之间的联系,构造插补数据... 详细信息

本文针对一种具有广泛适用性的半参数模型,部分线性可加模型,研究其响应变量存在删失数据时模型系数和非参数函数的估计.对此,提出了一种基于数据增广的复合分位数回归估计方法.该方法利用分位数回归和分布函数之间的联系,构造插补数据集,并通过迭代采用复合分位数回归得到最终的估计值.所提方法放宽了对模型的假设,不但对迭代初始值的要求很低,还允许响应变量同时存在多种类型的删失,具有一定的普适性.数值模拟表明所提方法可以较为准确地估计出删失部分线性可加模型的系数和非参数函数.实证研究中,本文选取了北京市空气质量数据,测度了PM10浓度、CO浓度、温度、气压以及露点对PM2.5浓度的影响.结果显示,部分线性可加模型的复合分位数回归可以较好地从线性和非线性关系两个角度来刻画这些因素对PM2.5浓度的影响,并且所提方法在删失数据的处理上表现良好.

关键词：删失数据部分线性可加模型复合分位数回归数据增广

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可加模型的估计和检验（英文）

引用

应用数学 2016年第4期29卷 797-808页

作者：魏传华郭双中央民族大学理学院北京100081

本文研究部分线性可加模型在因变量存在缺失情形下的统计推断问题.首先基于完整数据方法提出了参数分量的Profile最小二乘估计并证明估计量的渐近正态性.为了给出参数分量的区间估计,构造了渐近分布为卡方分布的经验似然统计量.为了检... 详细信息

本文研究部分线性可加模型在因变量存在缺失情形下的统计推断问题.首先基于完整数据方法提出了参数分量的Profile最小二乘估计并证明估计量的渐近正态性.为了给出参数分量的区间估计,构造了渐近分布为卡方分布的经验似然统计量.为了检验参数分量的线性约束条件,构造了调整的广义似然比检验统计量,当原假设成立时其渐近分布为卡方分布,从而将广义似然比检验推广到了缺失数据情形.最后通过数值模拟验证所提方法的有效性.

关键词： Backfitting 置信区间经验似然部分线性可加模型缺失数据

来源：评论

学校读者我要写书评

暂无评论

部分线性可加模型的随机约束岭估计

引用

统计学与应用 2022年第6期11卷 1448-1455页

作者：李静李雪艳安佰玲中国劳动关系学院应用技术学院北京中国民航大学理学院天津淮北师范大学数学科学学院安徽淮北

本文研究了部分线性可加模型这类半参数模型在线性部分自变量存在多重共线性,同时还附加有随机约束条件时的估计问题。基于针对半参数模型的Profile最小二乘技术,处理多重共线性问题的岭估计方法以及针对随机约束的混合估计技术,构造了... 详细信息

本文研究了部分线性可加模型这类半参数模型在线性部分自变量存在多重共线性,同时还附加有随机约束条件时的估计问题。基于针对半参数模型的Profile最小二乘技术,处理多重共线性问题的岭估计方法以及针对随机约束的混合估计技术,构造了参数分量的随机约束岭估计,给出了估计量的偏与协方差,并给出了所提估计量的渐近性质。最后通过数值模拟验证了所提估计方法的表现。

关键词：部分线性可加模型随机线性约束 Profile最小二乘估计岭估计

来源：评论

学校读者我要写书评

暂无评论

部分线性可加模型的随机约束Liu估计

引用

中央民族大学学报（自然科学版） 2016年第1期25卷 80-85页

作者：王肖南魏传华中国人民大学统计学院北京100872 中央民族大学理学院北京100081

研究了部分线性可加模型在参数部分附加有随机约束条件且存在多重共线性时的估计问题.文中基于Profile最小二乘方法、混合回归估计和Liu估计方法,提出了参数分量的Profile混合Liu估计,给出了估计量的偏和方差,并讨论了其渐近分布.

关键词：部分线性可加模型随机约束多重共线性 Profile最小二乘估计混合估计 Liu估计

来源：评论

学校读者我要写书评

暂无评论

部分线性可加模型在GDP预测中的应用

引用

合作经济与科技 2022年第22期 48-50页

作者：郑婉迪安徽建筑大学数理学院安徽合肥

在全球经济快速发展进程中,我国作为东方大国为全球经济增长贡献巨大的力量,努力发展自身的同时也带动着周边国家的经济增长。经济活跃的直接体现是人均生产总值的不断增加,探究我国人均生产总值的主要影响因素对稳步提高居民生产消费... 详细信息

在全球经济快速发展进程中,我国作为东方大国为全球经济增长贡献巨大的力量,努力发展自身的同时也带动着周边国家的经济增长。经济活跃的直接体现是人均生产总值的不断增加,探究我国人均生产总值的主要影响因素对稳步提高居民生产消费水平具有重要意义。本文选取我国2020年31个省市地区人均生产总值进行建模预测。先对数据进行预处理,参考历史相关文献筛选出8个指标建立多元线性模型,得出粗略的预测结果。为改进预测效果,再使用Lasso变量选择方法筛选出主要影响变量,根据变量间线性相关显著性挑选出线性和非线性影响因素,继而建立半参数部分线性可加模型进行预测,该模型提高预测精度与稳健性,使回归结果在很大程度上得到优化。

关键词：部分线性可加模型 Lasso 人均国内生产总值

来源：评论

学校读者我要写书评

暂无评论

部分线性可加模型基于backfitting方法的岭估计

引用

中央民族大学学报（自然科学版） 2013年第S1期22卷 68-71页

作者：蓝文英中央民族大学理学院北京100081

作为部分线性模型和可加模型的推广,部分线性可加模型是一类应用广泛的半参数模型.本文主要考虑该模型在线性部分自变量存在共线性情形下的估计问题.首先我们构造了参数分量的岭估计,其次我们构造了含有约束条件时的岭估计.

关键词：部分线性可加模型岭估计 backfitting方法

来源：评论

学校读者我要写书评

暂无评论

部分线性可加模型的约束估计

引用

淮北师范大学学报（自然科学版） 2013年第3期34卷 19-22页

作者：李静中国劳动关系学院基础部北京100044

文章讨论部分线性模型在约束情况下的估计问题.在一般的线性约束条件下利用两种方法构造参数分量的约束估计;当参数部分附加随机约束条件时,依据混合估计方法与Profile最小二乘方法,构造参数分量的随机约束估计;讨论一般约束估计和随机... 详细信息

文章讨论部分线性模型在约束情况下的估计问题.在一般的线性约束条件下利用两种方法构造参数分量的约束估计;当参数部分附加随机约束条件时,依据混合估计方法与Profile最小二乘方法,构造参数分量的随机约束估计;讨论一般约束估计和随机约束估计的关系.

关键词：部分线性可加模型 Profile 最小二乘方法约束估计随机约束估计

来源：评论

学校读者我要写书评

暂无评论

基于非参数多重插补的删失部分线性可加模型的分位数估计及其应用

基于非参数多重插补的删失部分线性可加模型的分位数估计及其应用

引用

作者：张妍浙江工商大学

学位级别：硕士

部分线性可加模型作为多元线性回归模型和非参数可加模型的一个扩展形式,它同时具有参数模型和非参数模型所具有的性质,并且不仅比参数模型表现出更好的灵活性,又比非参数模型更加有效,因此广泛应用于医学、生物学等众多科学领域中。然... 详细信息

部分线性可加模型作为多元线性回归模型和非参数可加模型的一个扩展形式,它同时具有参数模型和非参数模型所具有的性质,并且不仅比参数模型表现出更好的灵活性,又比非参数模型更加有效,因此广泛应用于医学、生物学等众多科学领域中。然而删失数据的存在在不同程度上影响了模型的有效性,一些适用于完整数据集下的统计推断方法可能对结果造成较大的偏差,因此如何有效处理删失数据成为近来年学者们关注的焦点。本文针对带有固定删失数据的部分线性可加模型提出了一种基于分位数回归技术的非参数多重插补方法。该方法无需事先对模型的分布做出任何假设,它利用条件分位数估计出删失变量的条件密度,并构建分布抽样,经过对删失值的多重插补获得若干组插补数据集。本文基于插补数据集,分别在分位数回归模型下和复合分位数回归模型下对模型中线性部分系数和非线性函数进行估计。进一步,本文还对插补后的数据集采用自适应LASSO的变量选择方法实现对模型中线性部分显著变量的筛选。为了检验本文所采用方法的有效性,本文通过数值模拟,将所提出的基于多重插补的估计方法与已存在的删失部分线性可加模型的估计方法进行比较。结果显示,在正态分布误差项、重尾分布误差项和条件异方差误差项模型中,基于多重插补的分位数估计方法都比其他方法更加有效。在变量选择问题上,通过多重插补之后的自适应LASSO方法能够较为准确地识别出模型线性部分中的显著变量,同时得到变量的系数估计值。在实例分析中,本文将所提出的估计方法运用于营养流行病研究数据中,构造部分线性可加模型,分析了血清中β-胡萝卜素浓度与个人特征以及饮食因素之间的关系。研究结果表明,身体质量指数、是否经常服用维生素以及每日膳食β-胡萝卜素摄入量与血清中β-胡萝卜素浓度相关,并且身体质量指数与β-胡萝卜素浓度呈负相关,而其余变量与之呈正相关。

关键词：分位数回归删失数据部分线性可加模型多重插补复合分位数回归自适应LASSO

来源：评论

学校读者我要写书评

暂无评论

非参数独立筛选法在稀疏的超高维部分线性可加模型中的应用

非参数独立筛选法在稀疏的超高维部分线性可加模型中的应用

引用

作者：张鸿泥华东师范大学

学位级别：硕士

随着科技的进步,人类收集、存储数据能力的提高,超高维数据的分析变得越来越重要.从计算成本、统计准确性和模型可解释性的角度考虑,传统的方法不能直接应用到超高维数据分析上来.在高维数据分析中,我们通常对数据进行稀疏性假设,即只... 详细信息

随着科技的进步,人类收集、存储数据能力的提高,超高维数据的分析变得越来越重要.从计算成本、统计准确性和模型可解释性的角度考虑,传统的方法不能直接应用到超高维数据分析上来.在高维数据分析中,我们通常对数据进行稀疏性假设,即只有一小部分变量对因变量有影响.对于超高维数据分析,我们一般先将原来的协变量个数降到一个温和的程度,然后在此基础上,利用现有的较为成熟的变量选择方法(如LASSO, SCAD, MCP等)进行最后的模型选择和参数估计.本文在Fan和Lv提出的非参数独立筛选法(Nonparametric Independence Screening)的基础上,结合了“数据劈开”(sample splitting)的想法,在超高维部分线性模型的假定当中进行筛选.第二章中,我们介绍了非参数独立筛选法和在“数据劈开”情况下的算法,又进一步提到了一个改进的greedy方法.第三章中我们证明了非参数独立筛选法的确定性筛选性质(sure screening property)和控制错选率的一个性质.最后一章,利用计算机模拟的手段验证了本文提出的方法和几种变体方法的筛选效果,并和其他传统的筛选方法进行对比,最终显示出了非参数独立筛选法卓越的性质和实用价值.

关键词：超高维筛选非参数独立筛选法部分线性可加模型确定性筛选性质

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：