检索结果-内蒙古大学图书馆

作者：杨兴祥云南大学

学位级别：硕士

在回归模型分析中,需要对模型的随机误差进行假设,通常假设随机误差是零均值同方差的白噪声序列,但是在实际问题分析中,这一假设条件并不能满足。因此,需要对模型进行一系列检验,如相关性检验、异方差检验等。只有准确判断模型,才能进... 详细信息

在回归模型分析中,需要对模型的随机误差进行假设,通常假设随机误差是零均值同方差的白噪声序列,但是在实际问题分析中,这一假设条件并不能满足。因此,需要对模型进行一系列检验,如相关性检验、异方差检验等。只有准确判断模型,才能进行模型的参数估计和假设检验,基于回归模型的分析研究,提出合理的建议,做出正确的决策。部分线性模型作为变系数部分线性模型和变系数模型的一个特例,具备两个模型的特点,呈现出模型自身的独特魅力,在计量经济学和生物医学领域应用广泛。部分线性模型既具备了线性模型易于解释的特点,又可以描述协变量的交互影响,有效解决所谓的“维数诅咒”问题,起到降维的作用,更具有灵活的函数形式,有一定的研究意义和价值。本文主要研究的是部分线性模型中参数和非参数的估计以及误差序列的相关性检验。文中通过两种方法,一种是局部线性方法,另一种是B样条方法,对部分线性模型中的参数部分,以及未知的待估函数部分进行估计,通过数值模拟,比较在两种方法下,不同估计方法的优劣;同时基于B样条估计方法,将刘锋、陈敏和邹捷中（2006）[1]一文提出的经验似然方法运用到部分线性模型的序列相关性检验中,同时构造经验对数似然比统计量并证明其分布渐近于卡方分布,最后运用蒙特卡洛方法分析在不同分布、不同误差模型下的序列相关性。

关键词：部分线性模型相关性 B样条方法局部线性方法经验似然方法

来源：评论

学校读者我要写书评

暂无评论

部分线性模型在北京市税收分析和预测中的应用

引用

数学的实践与认识 2011年第4期41卷 9-13页

作者：孙志华刘金祎贾超华中国科学院研究生院数学科学学院北京100049 北京航空航天大学数学与系统科学学院北京100191

首先运用主成分分析方法对北京市经济指标数据进行降维处理,然后基于降维后的数据拟合部分线性模型.将拟合后的模型对2008年北京市税收进行预测,所得结果优于常用的逐步线性回归分析方法的预测结果.

关键词：北京税收预测主成分分析部分线性模型

来源：评论

学校读者我要写书评

暂无评论

部分线性模型中的几类广义差分无偏估计研究

部分线性模型中的几类广义差分无偏估计研究

引用

作者：叶义琴贵州民族大学

学位级别：硕士

部分线性模型是一类重要的半参数统计模型。关于部分线性模型线性部分参数向量的估计,常见的方法是运用差分法将部分线性模型转换成线性模型的形式,再运用最小二乘方法得到差分最小二乘估计。针对带相依误差的部分线性模型,本文考虑模... 详细信息

部分线性模型是一类重要的半参数统计模型。关于部分线性模型线性部分参数向量的估计,常见的方法是运用差分法将部分线性模型转换成线性模型的形式,再运用最小二乘方法得到差分最小二乘估计。针对带相依误差的部分线性模型,本文考虑模型中线性部分参数向量存在随机先验信息的情况,基于广义差分方法,提出了几类广义差分无偏估计,并探讨了各估计在均方误差矩阵或均方误差准则下的优良性。针对部分线性模型线性部分参数向量的估计问题,基于参数向量的随机先验信息,结合广义差分法和无偏岭估计方法,本文提出了广义差分无偏岭估计,并探讨了新估计的性质。同时在均方误差矩阵意义下探讨了广义差分无偏岭估计相对于广义差分最小二乘估计、广义差分岭估计、广义差分几乎无偏岭估计的优良性。最后,基于数值模拟和实证分析方法,在均方误差意义下对广义差分无偏岭估计的优良性进行了说明。基于参数向量的随机先验信息,结合广义差分法和无偏Liu估计方法,本文提出了广义差分无偏Liu估计,并探讨了其性质。同时在均方误差矩阵意义下得到了广义差分无偏Liu估计优于广义差分最小二乘估计、广义差分Liu估计、广义差分几乎无偏Liu估计的条件。更进一步,通过数值模拟和实证分析方法,本文对广义差分无偏Liu估计在均方误差意义下的优良性进行了说明。本文将广义差分无偏岭估计和Liu估计推广为更一般的广义差分无偏两参数估计,并在均方误差矩阵准则下对其相对于广义差分最小二乘估计、广义差分两参数估计、广义差分几乎无偏两参数估计的优良性进行了理论探讨。同时本文也通过数值模拟和实证分析方法研究了其在均方误差意义下的优良性。

关键词：部分线性模型广义差分法随机先验信息均方误差无偏估计

来源：评论

学校读者我要写书评

暂无评论

部分线性模型的经验似然比检验

部分线性模型的经验似然比检验

引用

作者：陈鑫华中师范大学

学位级别：硕士

部分线性模型是1986年由Engle等[6]在研究天气对电力需要的影响时首次提出.这种模型同时包含线性参数部分和非参数部分,比线性模型更自由灵活,比非参数模型更全面,应用十分广泛.在引言中,我们介绍了部分线性模型的来源,以及研究现状.目... 详细信息

部分线性模型是1986年由Engle等[6]在研究天气对电力需要的影响时首次提出.这种模型同时包含线性参数部分和非参数部分,比线性模型更自由灵活,比非参数模型更全面,应用十分广泛. 在引言中,我们介绍了部分线性模型的来源,以及研究现状.目前,部分线性模型的估计方法日臻成熟.然而,对模型检验的研究仍不是很成熟.接下来介绍了各专家学者对模型检验的研究,主要有基于似然函数、基于残差标志过程和基于Adaptive Neyman方法的检验,并讨论了上述方法的局限性. 本文研究的模型为其中X为d维随机向量,T为d1维随机向量,β为d维未知参数,9(·)为光滑函数.给定X,T时,ε的期望为零,方差为σ2.研究的假设检验为本文利用经验似然比统计量进行检验,经验似然比统计量由Owen[15]首次提出.在2.1节中,我们给出了这种方法的详细介绍.首先由模型(1.3)得到一组相互独立数据的(t1,x1,y1),(t2,x2,y2),…,(tn,xn,yn),定义φi,其中x为样本均值.从而给出假设检验的经验似然比统计量其中φi为φi的估计值.利用Lagrange乘子法以及加权最小二乘法,我们可以给出λH0的估计值,由此所得的估计值依分布收敛于χ2分布.这种方法的优点有：一是它没有涉及任何方差估计,二是没有对置信域的形状加以约束,第三它是Batlett可纠偏的等.

关键词：部分线性模型经验似然比中心极限定理 χ2分布

来源：评论

学校读者我要写书评

暂无评论

响应变量缺失下部分线性模型均值的稳健估计

引用

北京工业大学学报 2017年第2期43卷 313-319页

作者：郭东林薛留根胡玉琴北京工业大学应用数理学院北京100124 商丘师范学院数学与信息科学学院河南商丘476000 浙江财经大学数据科学学院杭州310018

为了提高估计的稳健性,基于协变量平衡倾向得分和增强的逆概率加权方法,得到了响应变量随机缺失下部分线性模型总体均值的稳健估计,证明了相应估计量具有渐近正态性,利用所得结果构造了总体均值的置信区间.

关键词：部分线性模型随机缺失协变量平衡倾向得分广义矩估计增强的逆概率加权稳健估计

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的广义经验似然推断

引用

数理统计与管理 2011年第4期30卷 664-670页

作者：冯三营樊明智洛阳师范学院数学科学学院河南洛阳471022 许昌学院教育技术与信息部河南许昌461000

考虑纵向数据部分线性模型，针对纵向数据个体内的相关性特点，通过引入估计的作业协方差矩阵，构造了模型中未知参数的三种经验对数似然比统计量．在适当条件下，证明了所提出的统计量依分布收敛于X^2分布，所得结果可以构造未知参数... 详细信息

考虑纵向数据部分线性模型，针对纵向数据个体内的相关性特点，通过引入估计的作业协方差矩阵，构造了模型中未知参数的三种经验对数似然比统计量．在适当条件下，证明了所提出的统计量依分布收敛于X^2分布，所得结果可以构造未知参数的置信域．最后通过模拟研究对所提方法进行了说明．

关键词：纵向数据部分线性模型作业协方差矩阵经验似然置信域

来源：评论

学校读者我要写书评

暂无评论

EV回归的半参数部分线性模型的Bayes估计

引用

华东师范大学学报（自然科学版） 2005年第3期 31-36页

作者：卢一强茆诗松解放军信息工程大学电子技术学院郑州450004 华东师范大学统计系上海200062

考察部分线性模型y=Xβr+g(t)+ε,ε-N(O,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... 详细信息

考察部分线性模型y=Xβr+g(t)+ε,ε-N(O,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.

关键词：部分线性模型光滑样条 EV回归 Bayes方法 Gibbs抽样 MCMC模拟

来源：评论

学校读者我要写书评

暂无评论

随机删失场合部分线性模型中的核光滑方法

引用

数学年刊（A辑） 1995年第4期1卷 441-453页

作者：秦更生四川大学数学系

考虑模型Ｙ＝Ｘβ＋ｇ（Ｔ）＋ｅ。其中ｇ为［０，１］上的未知光滑函数，β为一维待估参数，为不可观察误差．当观察受到随机删失时，本文基于核光滑和综合数据方法导出了β和ｇ的估计βｎ＊和ｇｎ＊证明了βｎ＊的渐近正态性，并获得... 详细信息

考虑模型Ｙ＝Ｘβ＋ｇ（Ｔ）＋ｅ。其中ｇ为［０，１］上的未知光滑函数，β为一维待估参数，为不可观察误差．当观察受到随机删失时，本文基于核光滑和综合数据方法导出了β和ｇ的估计βｎ＊和ｇｎ＊证明了βｎ＊的渐近正态性，并获得了ｇｎ＊的非参数收敛速度Ｏ（ｎ－１／３）

关键词：部分线性模型删失数据渐近正态性核光滑法

来源：评论

学校读者我要写书评

暂无评论

纵向数据下部分线性模型的估计与性质

引用

数理统计与管理 2018年第5期37卷 850-863页

作者：王明辉尹居良暨南大学经济学院广东广州510632 韶关学院数学与统计学院广东韶关512005 广州大学经济与统计学院广东广州510006

本文主要研究纵向数据部分线性模型的参数和未知回归函数的估计问题。具体来说,首先利用分位数回归方法,得到参数向量的分位数估计。在此基础上,运用概率权函数方法,给出未知回归函数的非参数估计。在一定的正则条件下,论文进一步证明... 详细信息

本文主要研究纵向数据部分线性模型的参数和未知回归函数的估计问题。具体来说,首先利用分位数回归方法,得到参数向量的分位数估计。在此基础上,运用概率权函数方法,给出未知回归函数的非参数估计。在一定的正则条件下,论文进一步证明了参数估计量的渐近正态性,也得到了回归函数估计的收敛速度。最后通过模拟研究与实际数据分析验证了方法的有效性和可行性。

关键词：部分线性模型纵向数据分位数回归渐近正态性

来源：评论

学校读者我要写书评

暂无评论

纵向数据下部分线性模型的渐近性质

引用

数理统计与管理 2012年第3期31卷 447-454页

作者：樊明智许昌学院数学与统计学院河南许昌461000

纵向数据是在实际应用中很常见的一种数据类型,在解决实际问题时建立纵向数据模型,进行统计分析很实用。本文研究一类重要的纵向数据下部分线性回归模型,所分析的纵向数据是随机观测而得到的,根据纵向数据的特性构造模型中未知参数分量... 详细信息

纵向数据是在实际应用中很常见的一种数据类型,在解决实际问题时建立纵向数据模型,进行统计分析很实用。本文研究一类重要的纵向数据下部分线性回归模型,所分析的纵向数据是随机观测而得到的,根据纵向数据的特性构造模型中未知参数分量和未知函数的估计量,进而研究了估计量的渐近性质,通过实例分析,证实了该方法的有效性和可操作性,有很好的使用价值。

关键词：纵向数据部分线性模型局部线性拟合 Profile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：