变系数模型的小波估计

变系数模型是近年来文献中经常出现的一种统计模型.本文主要研究了变系数模型的估计问题,提出运用小波的方法估计变系数模型中的系数函数,小波估计的优点是避免了象核估计、光滑样条等传统的变系数模型估计方法对系数函数光滑性的一些严格限制. 并且,我们还得到了小波估计的收敛速度和渐近正态性.模拟研究表明变系数模型的小波估计有很好的估计效果.     

变系数模型小波估计的渐近性

变系数模型是线性模型的有用推广,它允许回归系数是某个变量的函数,近年来在统计分析中得到广泛的应用.文中研究回归变量都是随机时的变系数模型,提出运用小波的方法估计变系数模型中的函数系数,并在较弱的条件下得到了变系数模型小波估计的渐近正态性.     

纵向数据下非参数带测量误差的部分线性变系数模型的估计

本文研究纵向数据下非参数部分带有测量误差的部分线性变系数模型的估计.利用B样条函数近似模型中的变系数函数,构造偏差修正的二次推断函数,得到模型中未知参数和变系数函数的估计.证明变系数函数估计量的相合性和参数估计量的渐近正态性.数值模拟和实例分析结果表明所提估计方法在有限样本下的有效性.     

纵向数据下变系数测量误差模型的渐近估计

本文主要研究纵向数据下变系数测量误差模型的估计问题.利用B样条方法逼近模型中未知的变系数,构造关于B样条系数的二次推断函数来处理未知的个体内相关和测量误差,得到变系数的二次推断函数估计,建立估计方法和结果的渐近性质.数值模拟结果显示本文提出的估计方法具有一定的实用价值.     

部分函数线性变系数模型的样条估计及其应用

本文针对Tecator数据介绍一种新的模型一部分函数线性变系数模型,并基于样条估计方法得到了模型中未知系数函数的估计,同时在适当的条件下给出了系数函数估计及模型均方预测误差的收敛速度。通过数值模拟说明本文所提估计方法的有效性。最后基于该模型对Tecator数据进行了统计分析。     

变系数混合模型的光滑样条推断

为了拟合纵向数据和其他相关数据,本文提出了变系数混合效应模型(VCMM).该模型运用变系数线性部分来表示协变量对响应变量的影响,而用随机效应来描述纵向数据组内的相关性, 因此,该模型允许协变量和响应变量之间存在十分灵活的泛函关系.文中运用光滑样条来估计均值部分的系数函数,而用限制最大似然的方法同时估计出光滑参数和方差成分,我们还得到了所提估计的计算方法.大量的模拟研究表明对于具有各种协方差结构的变系数混合效应模型,运用本文所提出的方法都能够十分有效地估计出模型中的系数函数和方差成分.     

半变系数模型改进的轮廓最小二乘估计

针对半变系数模型,在局部线性拟合轮廓最小二乘估计方法的基础上将关于变系数函数的局部线性拟合改进为局部非线性拟合,得到半变系数模型改进的轮廓最小二乘估计,进一步讨论了常值系数的渐进正态性.     

基于众数回归的变系数部分非线性模型的稳健估计

针对变系数部分非线性模型,提出了一种稳健的基于众数回归的两阶段估计方法.首先,基于B-样条函数近似系数函数,利用QR正交分解技术构造了非线性模型,得到了参数的非线性最小二乘估计.其次,提出了变系数函数的众数回归估计量.在一定条件下,证明了估计量的渐近性质.通过数值模拟和实际数据分析,说明了所提估计方法的有效性.     

删失数据下半变系数模型估计的渐近正态性

半变系数回归模型是变系数回归模型的有效推广,已获得了广泛的应用. 本文在响应变量随机删失下对其进行讨论,给出常系数和函数系数的估计, 并证明了该估计的渐近正态性.     

半变系数模型的变窗宽和一步局部M-估计

讨论了半变系数模型的变窗宽一步局部M-估计.用一步局部M-估计给出了未知函数的估计,用平均法给出了未知参数的估计,并在其中嵌入一个变窗宽加以提高,得到了未知函数和未知参数的渐近正态性.     

广义变系数模型的Bayesian B样条估计

提出了广义变系数模型函数系数的一种新的估计方法．我们用B样条函数逼近函数系数,不具体选择节点的个数,而是节点个数取均匀的无信息先验,样条函数系数取正态先验,用Bayesian模型平均的方法估计各个函数系数．这种估计方法一个主要特点是允许各个函数系数所需节点个数的后验分布不同,因此允许不同函数系数使用不同的光滑参数．另外,本文还给出了Bayesian B样条估计的计算方法,并通过模拟例子,说明广义变系数模型的函数系数可以由Bayesian B样条估计方法得到很好的估计．     

不同自变量的变系数模型的估计

讨论具有不同自变量的变系数模型的函数系数的估计及其大样本性质。使用局部线性方法和积分方法,得到函数系数的积分估计;由于该估计有较大的方差,进一步使用回切法改进这一估计,获得了函数系数的改进估计;同时,研究了改进估计的渐近正态性。最后,用模拟例子说明提出的估计方法是有效的。     

半变系数模型约束PLS估计的渐近正态性

变系数模型已获得了广泛的应用,半变系数模型是变系数模型的有效推广,本文给出半变系数模型在线性约束条件下的PLS估计,并证明了常系数和函数系数估计的渐近正态性.     

具有相关误差和不同光滑变量的半变系数模型估计（英文）

本文主要讨论具有相关误差和不同光滑变量的半变系数模型估计.通过改进的PLS估计,给出系数函数和常系数的估计,证明估计的渐近正态性,模拟研究说明了该估计的有效性.     

响应变量随机缺失下的广义变系数模型的估计

在响应变量随机缺失时,利用拟似然方法给出了广义变系数模型中非参数函数系数的估计.研究了所得到的估计的渐近性质,求出了估计的渐近偏差与渐近方差,并进行模拟比较.     

变系数的周期性时间序列模型及其应用

存在于各个领域的时间序列不仅表现出周期性的特征还易受外界因素的影响,而且外界因素的影响并非一成不变,同时,部分时间序列的周期是未知的.对于这样的易受外界因素影响的周期性时间序列,本文旨在构造含有变系数函数的周期性序列模型.将经典的时间序列模型分解成一个含有未知参数的部分线性变系数模型,利用B样条逼近外生变量的变系数函数,借助带有l₀惩罚项的最小二乘回归得到未知周期、周期序列以及外生变量的影响系数的估计结果.本文还给出了估计量的理论性质,包括周期估计的相合性、周期序列估计和变系数函数估计的渐近性质.通过第4章的模拟,我们展现了本文方法的优越性.最后我们通过三个实际数据的应用展现了本文方法的实用性.     

基于变系数模型的纵向数据相关结构选择和估计

本文针对基于变系数模型的纵向数据提出 选择和估计其个体内部相关结构的方法, 给出变系数模型中系数函数曲线的有效估计, 并建立相应的大样本渐近性质. 模拟结果和实例分析表明, 即使在有限样本下, 本文所提方法在选择和估计真实相关结构方面具有相合性, 并能够提高系数函数曲线的估计效率.     

空间半参数变系数部分线性回归中的分位数估计

本文研究了空间数据变系数部分线性回归中的分位数估计. 模型中的参数估计量通过未知系数函数的分段多项式逼近得到, 而未知系数函数的估计量通过将参数估计量代入模型中并通过局部线性逼近得到. 文中推导了未知参数向量估计量的渐近分布, 并建立了未知系数函数估计量在内点及边界点的渐近分布. 通过Monte Carlo 模拟研究了估计量的有限样本性质.     

变系数空间自相关模型的Bayesian-INLA估计

文章提出了一类变系数空间自相关模型(VCSAM)新的Bayesian-INLA估计方法.在这个模型中,响应变量具有空间自相关性,且包含变系数的非参数部分.尽管已有的工作对该模型已经进行了大量研究,但很少有研究使用贝叶斯方法提出高效求解模型的方法.因此基于上述动机,文章提出了基于B ayesian-INLA技术的方法,以寻求在VCSAM框架内代替MCMC方法的有效解决方案.变系数部分使用B-样条基函数的线性组合进行逼近,空间自相关系数采用M-H算法进行估计,并应用Bayesian-INLA技术来估计变系数函数和相关系数的后验分布.通过模拟研究,展示了文章提出的估计方法在同时处理空间依赖效应和空间非平稳性时的优势.此外,通过对波士顿房价数据的实证分析,展示了文章提出的估计方法优越的性能.     

变系数模型变窗宽局部M-估计的相合性

用变窗宽局部M-估计对变系数模型的系数函数进行估计,得到了估计的相合性和渐近正态性.所采用的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.变窗宽的使用提高了局部M-估计的可塑性,并使得它们能成功地处理空间非齐性曲线、异方差性及非均匀设计密度.