检索结果-内蒙古大学图书馆

作者：谢雨娇中央财经大学

学位级别：硕士

随着现代化脚步的不断加快,科学技术日新月异,各种数据层出不穷,为了解决大数据分析中,当数据的更新速度较快,数据以流的形式到达时产生的数据量的存储超出存储设备能力以及大数据处理的计算任务时间太长等问题,在线更新的统计分析方法... 详细信息

随着现代化脚步的不断加快,科学技术日新月异,各种数据层出不穷,为了解决大数据分析中,当数据的更新速度较快,数据以流的形式到达时产生的数据量的存储超出存储设备能力以及大数据处理的计算任务时间太长等问题,在线更新的统计分析方法应运而生。基于上述背景,本文为了解决部分线性回归模型在在线更新数据集中的统计分析问题,提出了基于在线更新框架下的部分线性回归模型的可更新估计,主要基于可更新加权和的一般框架,利用部分线性回归模型的剖面最小二乘估计以及在线更新的最优估计方程理论,得到剖面最小二乘估计的在线更新形式,最后利用增量更新算法得到非参数部分的数值解。针对本文提出的可更新估计,本文给出了可更新估计的大样本性质定理。在一般正则性条件下,参数部分可更新估计具有渐近正态性,且具有oracle性质,即与oracle估计的渐近正态性一致。之后本文将所提出的方法与全数据集估计方法进行数值模拟的比较,发现在不同的模型设置下,可更新估计的效果较全局估计的差一些,但可更新估计可以应用于数据以流的形式到达的情况,且当每块数据样本数小于数据块的数量时,可更新估计的估计时间更短。接下来是实证研究部分,对北京市2019年1月1日-2022年9月30日的空气质量进行拟合,由于变量之间存在多重共线性,故先对数据进行主成分分析,得到三个主成分,由于第三主成分与被解释变量AQI的相关性较弱,故将第三主成分作为非参数部分,其余两个主成分作为参数部分,构建部分线性回归模型,并利用本文所提方法和全数据集方法分别进行模型的估计,得到模型的估计结果,在线更新估计的拟合效果更好。综上所述,本文将部分线性回归模型的剖面最小二乘估计纳入在线更新的框架,提出可用于在线更新数据集的部分线性回归模型的可更新估计,当每块数据样本数小于数据块的数量时,可更新估计可以显著减少估计所用时间,降低计算成本。

关键词：在线更新部分线性回归模型渐近正态性

来源：评论

学校读者我要写书评

暂无评论

WOD误差下线性和部分线性回归模型中估计量的渐近性质

WOD误差下线性和部分线性回归模型中估计量的渐近性质

引用

作者：邓新安徽大学

学位级别：博士

回归模型是统计学中发展较早、理论内容丰富并且应用性强的统计模型.由于实际应用的需要,回归模型一直在不断发展进步,并由最初的参数回归模型发展到非参数及半参数回归模型.本篇论文主要讨论参数和半参数回归模型的两个经典模型:线性... 详细信息

回归模型是统计学中发展较早、理论内容丰富并且应用性强的统计模型.由于实际应用的需要,回归模型一直在不断发展进步,并由最初的参数回归模型发展到非参数及半参数回归模型.本篇论文主要讨论参数和半参数回归模型的两个经典模型:线性和部分线性回归模型.在回归模型中通常假设随机误差项是独立的,但事实上这一假设并不合理,尤其是在处理连续收集的经济数据中.因此,本篇论文主要考虑相对宽泛的相依随机误差:WOD随机误差,及由WOD随机变量序列产生的线性过程误差.首先,考虑经典的线性回归模型:Yi=xi'β+ei,i=1,...,n,≥1,其中x1,x2,…,xn是p× 1维的已知设计向量,e1,e2,…,en是均值为0的WOD随机误差,β是p×1l维的、未知的参数向量.本文先利用随机变量的截尾技术和常用不等式,建立WOD随机变量加权和的几乎处处收敛性,然后利用该强收敛性和Bernstein型不等式,进一步研究WOD随机误差下线性模型(1)中β的M估计的强相合性,所得结果将推广Chen和Zhao[113],陈希孺和赵林城[114]及Wu和Jiang[65]的相应结论.其次,在上述结果的基础上,继续深入研究M估计强相合性.利用Wang和Cheng[90]及Chen等[115]得到的WOD随机变量的强大数定律,建立更为广泛的WOD随机变量序列加权和的强收敛性,利用该性质研究M估计的强相合性.与Wu和Jiang[65]相应结果对比,所得结果不需要在δ=1时做任何的矩条件限制,大大减弱了假设条件,也进一步推广了 Wang和Hu[116]关于NSD随机误差的结果.第三,众所周知,Bernstein型不等式是概率论与数理统计中的重要工具,但在应用的过程中该不等式会受到“随机变量有界”这一条件的限制,为此我们建立一个指数不等式,它不需要保证随机变量的有界性,证明思路完全不同于经典的Bernstein型不等式,推广了 Chen和Sung[117]关于NOD随机变量的结果.利用已建立的不等式,主要研究WOD随机误差下线性模型(1)中β的M估计的强线性表示,所得结果不仅推广了 Rao和Zhao[118]关于独立随机误差的相应结果(Rao和Zhao[118]并没有给出详细的证明过程),而且也适用于NA、NSD、NOD、END等相依随机误差.第四,考虑如下部分线性模型I:yi=xiβ + g(ti)+ σiei,i = 1,2,...,n,(2)其中σi2=f(ui),(xi,ti,ui)是固定非随机设计点列,β是未知待估参数,g(·)和f(·)是定义在紧集A C R上的未知函数,ei是期望为0的WOD随机误差,且被一随机变量e随机控制.本文主要在更弱的条件下,讨论模型(2)中,未知参数β和未知函数g(·)的最小二乘估计和加权最小二乘估计的矩相合性和强相合性,这些结果分别推广和改进了周兴才和胡舒合[29]及Baek和Liang[27]相应的结果.最后,考虑如下部分线性模型II:yi(n)=xi(n)β+g(ti(n))+εi(n),i=1,2,…,n,n≥1,其中g是定义在紧集A(?)Rp上的未知函数,β是R上的未知参数,xi(n)和ti(n)是已知的、非随机的设计点列,yi(n)是在点列xi(n)和ti(n)处的观测值,εi(n)是随机误差.假设对任意的n,(ε1(n),ε2(n),…,εn(n)与(ζ1，ζ2，…,ζn)具有相同的分布,并且ζi具有如下形式:(?)其中{ei}是均值为0的同分布WOD随机变量序列,{ψj}是一实数序列,满足(?)|ψj|<∞.本文先证明如(4)所定义的线性过程{ζi}的完全收敛性,然后利用此结果得到部分线性模型(3)中β和g(·)的最小二乘估计的完全相合性.

关键词： WOD随机变量线性过程线性回归模型部分线性回归模型 M估计最小二乘估计加权最小二乘估计强相合性强线性表示矩相合性完全相合性

来源：评论

学校读者我要写书评

暂无评论

基于新对称分布的部分线性回归模型的参数估计

基于新对称分布的部分线性回归模型的参数估计

引用

作者：王万玲上海师范大学

学位级别：硕士

建立回归模型的一个重要方面是假设误差项的分布,实际应用中为简便起见通常认为误差项服从正态分布。然而,这一假定存在一些缺点,比如标准正态分布的峰度值是3,但在许多实际情况中,所研究的数据分布可能呈现低峰态而不是常峰态。为此,... 详细信息

建立回归模型的一个重要方面是假设误差项的分布,实际应用中为简便起见通常认为误差项服从正态分布。然而,这一假定存在一些缺点,比如标准正态分布的峰度值是3,但在许多实际情况中,所研究的数据分布可能呈现低峰态而不是常峰态。为此,一些学者通过设置一个影响峰度大小的新参数,提出了一个低峰态的新对称分布,该分布被视为重尾分布的一种。重尾分布能够很好的刻画发生极端值的概率比正态分布出现极端值的概率大这一特性,因此它能够有效地解释极端事件合理存在又不常发生的原因。由于该新分布的概率密度曲线尾部更加厚重,进而能够涵盖更多的离群值。在分析低峰态数据时,系统研究误差项服从新对称分布的回归模型是有意义的。部分线性回归模型作为参数模型和非参数模型的结合,既有参数模型的优点又有非参数模型的优点,因此具有更大的灵活性和适用性。但是,由于现实生活中存在着许多异方差甚至更加复杂的数据,特别是在经济领域和工业产品的质量改进试验中。注意到联合均值与方差模型能够克服这些问题,因为它同时对均值和方差进行建模,能够更好的分析错综复杂的数据。本文拟建立误差项服从新对称分布的部分线性回归模型和联合均值与方差模型,采用最大似然估计和惩罚样条估计分别拟合参数部分和非参数部分,推导出模型的惩罚最大似然估计量,并利用牛顿迭代法得到回归模型的参数估计,最后通过模拟研究和实例分析说明提出的两种模型和方法的有效性和可行性。

关键词：新对称分布惩罚最大似然估计牛顿迭代法部分线性回归模型联合均值与方差模型

来源：评论

学校读者我要写书评

暂无评论

部分线性回归模型参数的差分k-d估计

部分线性回归模型参数的差分k-d估计

引用

作者：黄芬芬湖北师范大学

学位级别：硕士

1986年Engle et al在研究天气变化与供电需求之间的关系时第一次提出部分线性回归模型,这是非常重要的统计模型,考虑部分线性回归模型,其中观测值Xy,已知,参数?未知,f为未知的光滑函数,?为随机误差(?独立同分布).从提出部分线性回归模... 详细信息

1986年Engle et al在研究天气变化与供电需求之间的关系时第一次提出部分线性回归模型,这是非常重要的统计模型,考虑部分线性回归模型,其中观测值Xy,已知,参数?未知,f为未知的光滑函数,?为随机误差(?独立同分布).从提出部分线性回归模型之后,有关模型中参数?的研究一直是统计学中的热点问题.基于差分的方法,可消除数据对函数f的依赖,消除在部分线性回归模型中非线性部分的影响,因此不要求估计非线性部分,故通常称为差分方法.差分之后,部分线性回归模型就转化为类似于线性模型的形式,对于设计矩阵常常存在多重复共线性的情况,为了得到更高精度的参数估计,本文提出了部分线性回归模型中参数的差分k-d估计.第二章,定义部分线性回归模型中参数?的差分k-d估计之后,给出了该估计量的一些性质,并且证明在均方误差?MSE?和均方误差矩阵?MMSE?意义下,差分k-d估计优于Tabakan和Akdeniz(2010)提出的部分线性模型的差分岭估计.第三章,讨论了差分k-d估计中参数k和d估计量的选取问题及其分布.第四章,分别给出了模拟和实际应用,说明了本文的主要结论及该估计的优越性.

关键词：部分线性回归模型差分k-d估计均方误差均方误差矩阵

来源：评论

学校读者我要写书评

暂无评论

删失指标随机缺失下部分线性模型的稳健估计及变量选择

引用

高校应用数学学报（A辑） 2023年第1期38卷 1-17页

作者：饶珍敏王江峰陈定凯王磊浙江工商大学统计与数学学院浙江杭州310018 浙江工商大学统计数据工程技术与应用协同创新中心浙江杭州310018

在删失指标随机缺失数据下,研究部分线性模型的复合分位数回归估计.基于校准和插值两种方法,根据三步法构建线性参数和非参数函数的CQR估计量.与此同时,利用自适应LASSO惩罚方法,对线性参数进行变量选择.在适当的假设下,证明了估计量的... 详细信息

在删失指标随机缺失数据下,研究部分线性模型的复合分位数回归估计.基于校准和插值两种方法,根据三步法构建线性参数和非参数函数的CQR估计量.与此同时,利用自适应LASSO惩罚方法,对线性参数进行变量选择.在适当的假设下,证明了估计量的渐近正态性,受惩罚的估计量被证明具有oracle性质.最后通过模拟研究评估参数估计量和非参数函数估计量的性能.

关键词：删失指标随机缺失复合分位数回归部分线性回归模型变量选择渐近正态性

来源：评论

学校读者我要写书评

暂无评论

部分线性回归模型变窗宽M-估计

部分线性回归模型变窗宽M-估计

引用

作者：姚丽丽燕山大学

学位级别：硕士

部分线性回归模型是Engel等人在研究天气对电力需求的影响时提出的。部分线性回归模型既包含了参数部分也包含了非参数部分，它比线性模型更自由灵活，吸引了许多的学者来研究部分线性模型中参数部分和非参数部分的相合性和渐近正态性... 详细信息

部分线性回归模型是Engel等人在研究天气对电力需求的影响时提出的。部分线性回归模型既包含了参数部分也包含了非参数部分，它比线性模型更自由灵活，吸引了许多的学者来研究部分线性模型中参数部分和非参数部分的相合性和渐近正态性。关于部分线性回归模型的研究，己经有了一些估计方法，主要有核估计、样条估计、分片多项式估计等。这些回归方法都是基于最小二乘法，缺乏稳健性。论文运用了稳健统计中的M-方法讨论了具有函数关系的部分线性模型以及部分线性回归模型中未知函数和未知参数的估计问题。主要内容如下：首先，论文介绍了模型的发展历史和研究现状以及与M-估计相关的基础知识。其次，论文利用了M-方法，并嵌入变窗宽，建立了具有函数关系的部分线性回归模型中未知函数及未知参数的变窗宽M-估计，并证明其所具有的相合性及其渐近正态性。进一步讨论了变窗宽一步局部M-估计，在初估计足够好的情况下，具有与M-估计相同的渐近的正态性。一步局部M-估计不但稳健了局部最小二乘估计而且真实地继承了局部最小二乘估计的所有好性质，而且减少了计算量。再次，论文讨论了部分线性回归模型中未知函数及未知参数的变窗宽M-估计的存在性和唯一性。最后，论文将最小二乘加权估计以及M-估计结合起来，讨论了较为特殊的部分线性回归模型中的未知函数和未知参数估计的收敛速度和强相合性。

关键词：部分线性回归模型 M-估计变窗宽渐近正态性相合性最小二乘加权估计

来源：评论

学校读者我要写书评

暂无评论

纵向数据部分线性模型基于二次推断函数的复合分位数回归估计

纵向数据部分线性模型基于二次推断函数的复合分位数回归估计

引用

作者：丁亮华东师范大学

学位级别：硕士

纵向数据是指对同一个体在不同时间或空间上进行重复观测而得到的数据,包含时间序列数据和截面数据,能够充分反应数据之间的复杂关系。部分线性模型综合了参数和非参数模型的优点,具有较强的灵活性、适应性和对数据的解释能力,因而被广... 详细信息

纵向数据是指对同一个体在不同时间或空间上进行重复观测而得到的数据,包含时间序列数据和截面数据,能够充分反应数据之间的复杂关系。部分线性模型综合了参数和非参数模型的优点,具有较强的灵活性、适应性和对数据的解释能力,因而被广泛应用于纵向数据建模中。在对纵向数据的部分线性模型进行统计推断时,当模型随机误差不满足假设条件或数据分布存在异常,现存的很多估计方法缺乏稳健性,且未考虑纵向数据的组内相关关系。因此本文基于二次推断函数对该模型利用复合分位数回归方法进行估计。该估计方法结合多处分位点的分位数回归,得到的估计结果更为稳健;且该估计方法利用二次推断函数引入工作相关矩阵,能够有效的处理纵向数据个体内部的相关关系。本文在一定的条件下证明了该估计的渐近正态性,进一步给出了平滑估计算法。最后通过数值模拟研究估计的有限样本性质并应用于实例中。

关键词：部分线性回归模型复合分位数回归估计二次推断函数渐近正态性纵向数据

来源：评论

学校读者我要写书评

暂无评论

相依误差下几类统计模型的大样本性质

相依误差下几类统计模型的大样本性质

引用

作者：吴燚安徽大学

学位级别：博士

回归模型在很多实际领域中都有极其重要的应用,至今已有多种重要且实用的模型被提出,但在相依场合下对于这些模型的研究尚未完善.本篇论文主要在相依样本下讨论几类统计模型中估计量的大样本性质.首先,考虑如下多元线性回归模型:#12其中... 详细信息

回归模型在很多实际领域中都有极其重要的应用,至今已有多种重要且实用的模型被提出,但在相依场合下对于这些模型的研究尚未完善.本篇论文主要在相依样本下讨论几类统计模型中估计量的大样本性质.首先,考虑如下多元线性回归模型:#12其中xi=(xi1,…,xid)T,1≤i ≤是设计向量,y1,…,yn是观测值,∈1,∈2,…,∈n是均值为0的随机误差,β=(β1,…,βd)T是待估参数.在合适的条件下,我们建立了m-END误差下未知参数β的最小二乘估计的弱相合性及完全相合性,所得结果补充并推广了胡舒合等[6]以及Yang等[7]的结果.其次,考虑如下非参数回归模型:Yi=g(xni)+∈ni,i=1,...,n,n≥1其中g(x)为定义在Rd上的未知函数,d ≥ 1,xni是已知的d维向量,∈ni是均值为0的随机误差且对每个n≥ 1,(∈n1,∈n2,…,∈nn)和(∈1,∈2,…,∈n)有相同的联合分布.我们在END误差下建立了非参数回归模型中P-C估计的强相合性、完全相合性以及矩相合性,所得结果推广并改进了Priestley与Chao[8]及杨善朝与王岳宝[10]的结果;随后,我们建立了ANA误差下一般加权估计量的渐近正态性与Berry-Esseen界,该结果说明在适当的条件下,ANA误差下一般加权估计量的Berry-Esseen界也可达到Yang[127]关于NA的速度;最后,我们还考虑了m-ANA误差下一般加权估计量的完全相合性.随后,我们考虑部分线性回归模型:#12其中xi和ti是设计点列,β是待估的未知参数,g(·)是定义在区间[0,1]上的未知函数,yi是观测值,Vi是均值为0的随机误差.在误差为由α-混合随机变量产生的线性过程下,我们建立了此部分线性回归模型中估计量的渐近正态性与Berry-Esseen界,此结果推广了Liang与Fan[128]的相应结果.我们还考虑了如下更加宽泛的部分线性回归模型:Y(j)(xin,tin)=tinβ+g(xin)+e(i)(xin),1 ≤j ≤k,1 ≤i ≤n,其中tin∈R,xin∈Rd都是非随机的设计点列,β是未知参数,g(·)为定义在A(A(?)Rd)上未知的连续函数,e(j)(xin)是随机误差,Y(i)(xin,tin)代表在点xin与tin上可观测的第j个响应变量.在m-END误差下,我们建立了此模型中参数的最小二乘估计量和非参数部分的加权估计量的强相合性、完全相合性以及矩相合性等结果,这些结果推广并改进了文献[33]-[37]的结果.接着,我们还研究了如下简单线性EV回归模型:ηi=η+βxi+εi,ξ =xi+δi,1 ≤i≤ n,其中θ,β,x1,x2,…都是未知参数,(ε1,δ1),(ε2,δ2),…为随机向量,ξi,ηi,i=1,2,...是观测值.我们首先在非常宽泛的条件下建立了 WOD随机变量加权和的完全收敛性,此结果只要求控制系数为多项式增长即可,并且矩条件与控制系数没有任何关系;在此结果的基础上,我们进一步得到了WOD误差下EV回归模型中最小二乘估计量的完全相合性的收敛速度的非常一般结果,由此还能在更弱的条件下得到完全相合性.最后,考虑如下异方差的部分线性EV回归模型:yi=ξiβ+g(ti)+εi,xi=ξi+μi,其中εi=σiei,σi2=f(ui),(ξi,ti,ui)是设计点列,(ti,xi,yi)为观测样本,ξi为不可观测的潜在变量,yi为响应变量,xi是可观测的且带有均值为零的测量误差μi,ei是均值为零的误差,β ∈R是未知的斜率参数,f(·)及g(·)都是定义在闭区间[0,1]上的未知函数.在WOD误差下,我们建立了部分线性EV回归模型中最小二乘估计量与加权最小二乘估计量的强相合性及其收敛速度的一般结果.此结果中模型误差及测量误差都可以是WOD的,它们的控制系数也都可以是多项式增长的,并且矩条件仍然与控制系数没有任何关系.本章结果显著地改进和推广了 Zhang与Wang[5的结果.

关键词：相依误差线性回归模型非参数回归模型部分线性回归模型 EV回归模型部分线性EV回归模型 P-C估计加权估计最小二乘估计加权最小二乘估计相合性渐近正态性 Berry-Esseen界

来源：评论

学校读者我要写书评

暂无评论

部分线性回归模型变窗宽一步局部M-估计

引用

数学的实践与认识 2011年第22期41卷 167-173页

作者：姚丽丽宋向东赵梦琳张云霞刘燕燕山大学理学院河北秦皇岛066004 河北科技师范学院欧美学院河北秦皇岛066004

讨论了部分线性回归模型的变窗宽一步局部M-估计.用一步局部M-估计给出未知函数的估计,用平均方法给出参数估计.进一步通过两个引理证明一步M-估计的渐近正态性.所提出的方法继承了局部多项式的优点并且克服了最小二乘法缺乏稳健性的缺点.

关键词：部分线性回归模型变窗宽一步局部M-估计渐近正态性

来源：评论

学校读者我要写书评

暂无评论

半参数带固定效应的面板数据模型的经验似然

半参数带固定效应的面板数据模型的经验似然

引用

作者：何帮强浙江工商大学

学位级别：博士

面板数据是指一部分个体(个人、家庭、企业或国家等)在一段时期内某个变量的观测值所构成的多维数据集合。面板数据包含了两个现象的观测值,即对于每一个个体有多个时间观测值。从横截面看,面板数据是由若干个体在某一时点构成的截面观... 详细信息

面板数据是指一部分个体(个人、家庭、企业或国家等)在一段时期内某个变量的观测值所构成的多维数据集合。面板数据包含了两个现象的观测值,即对于每一个个体有多个时间观测值。从横截面看,面板数据是由若干个体在某一时点构成的截面观测值。从个体看每个个体都是一个时间序列。时间序列数据和横截面数据是面板数据的特殊形式,它们仅仅是一维的。面板数据有时被认为是带有时间观测的横截面数据或者是混合的横截面时间序列数据。通过使用面板数据,经济学中的实证研究得到了极大的丰富。随着可用的面板数据的增加,面板数据的理论和应用在近年来变得更加流行。面板数据集分析具有优于纯截面数据或时间序列数据集的各种优点,面板数据能够获得从不同环境采样的不同单元的个体特征,其中持久的个体特征是它的异质性,其中大部分是不可观测的。面板数据为研究者提供了灵活的方法来模拟横截面单位的异质性和可能随时间变化的结构。我们研究的模型是半参数模型,半参数模型结合了非参数模型的灵活性和线性模型的简洁性。半参数模型在经济学、生物学和医学领域的研究中有着广泛的应用。本学位论文研究带固定效应面板数据半参数模型的经验似然问题,主要运用Owen(1988,1990)提出的经验似然方法,经验似然方法在构造未知参数的置信区间(区域)有着很多突出的优点,如经验似然区域的形状完全有样本决定,Bartlett纠偏性,区域保持性和变换不变性等。因此,经验似然方法受到了许多统计学家和经济学家的广泛关注,许多研究者把经验似然方法应用到各种统计模型和领域。对于高维线性模型,Tang和Leng(2010),Leng和Tang(2012)建议惩罚经验似然进行变量选择和参数估计,并显示惩罚经验似然具有oracle特征。具体内容如下:第一章是引言,首先阐述了本文的研究背景和研究意义,分别从模型,问题的角度论证选题的合理性和可行性。其次对有关半参数面板数据模型的研究现状进行了梳理和总结。最后介绍了本论文的研究内容,概括了本论文的研究方法,研究内容和主要创新点。第二章,我们研究带固定效应部分线性面板数据模型的参数估计,为了解决组内相关性,我们应用块经验似然方法,并构造了未知参数的置信域。证明了调整的经验对数似然比函数在真参数点时是渐近卡方分布的。并且利用块经验似然比率函数,参数的最大经验似然估计被定义和正太逼近被显示。同时,模拟研究表明经验似然方法优于正态逼近方法。并且利用CD4数据也能实际验证我们建议的方法更合适。第三章,我们考虑带固定效应面板数据部分线性误差变量模型的统计推断,我们专注于一些协变量为附加误差情况下,我们提出了一个修正的剖面最小二乘估计参数和非参数部分,参数部分的渐近正态性和非参数部分的收敛速度被建立。一致估计的误差方差也被估计。此外,我们介绍剖面似然比(PLR)检验并证明它在原假设条件下是一个渐进的卡方分布。我们进行模拟研究,证明了我们所提出的方法更优于不考虑误差变量情况下的估计。我们也用英国联邦的气候数据验证我们建议的方法更合适。第四章,对于带固定效应面板数据的高维部分线性误差变量模型,当误差方差为已知和未知情形下。在这一章,我们建议一个修正的回归参数和最大经验似然比率回归参数。同时,依据惩罚经验似然方法,这个模型的参数估计和变量选择被调查,这个建议的惩罚经验似然被证明具有神特征。同时,我们建议的惩罚经验似然比率统计在原假设下具有渐近卡方分布,其结果可以用来构造未知参数的置信域。模拟和实证结果用来评估经验似然方法的性能。第五章,考虑带固定效应面板数据的半变系数模型的经验似然,提出了在协变量是α-混合下情形下,未知参数的经验对数似然比统计量,证明了建议的对数似然比统计量是渐近卡方分布的,我们也获得参数的最大似然估计量和证明在合适条件是渐近正态的。由此,未知参数两个不同的渐近正确覆盖率的置信域被构造。模拟和实证结果用来评估经验似然方法的性能。第六章,我们研究带固定效应面板数据部分线性时变系数模型的经验似然,提出了在协变量是α-混合下情形下,未知参数的经验对数似然比统计量,证明了建议的对数似然比统计量是渐近标准卡方分布的,一个模拟表明对比正态逼近方法,建议的方法比正态逼近方法在概率覆盖率方面表现的更好。第七章,简单总结全文的研究工作和主要的创新点,并指出需要进一步完善和深入研究的问题。

关键词：面板数据固定效应部分线性回归模型半变系数模型误差变量经验似然惩罚经验似然剖面最小二乘

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：