基于Pena距离的广义线性回归模型的影响分析

本文利用Pena距离对广义线性回归模型的影响分析进行了讨论,得到广义线性回归模型的Pena距离公式,并对公式的性质以及其对高杠异常点的检测得到了相应的结论.在一定条件下,Pena距离对异常点的检测优于Cook距离.     

偏正态数据下众数回归模型的统计诊断

为了更好地拟合偏态数据,充分提取偏态数据的信息,针对偏正态数据建立了众数回归模型,并基于Pena距离统计量对众数回归模型进行统计断研究,得到了众数回归模型的Pena距离表达式以及高杠杆异常点的诊断方法.利用EM算法与梯度下降法给出了众数回归模型参数的极大似然估计,根据数据删除模型计算似然距离、Cook距离和Pena距离统计量,绘制诊断统计图.通过Monte Carlo模拟试验和实例分析比较,说明文章提出的方法行之有效,并在一定条件下Pena距离对异常点或强影响点的诊断优于似然距离和Cook距离.     

基于Pena距离的偏正态数据下位置回归模型的统计诊断

Pena距离是研究偏态数据的一种有用工具.本文利用Pena距离研究了偏正态数据下位置回归模型的统计诊断问题,得到了位置回归模型下Pena距离的表达式,对其性质进行讨论,从而得到高杠杆异常点的判别方法. Pena距离与Cook距离、似然距离进行比较,得到在一定的条件下Pena距离优于Cook、似然距离.通过随机模拟试验研究和实例分析,表明本文提出的理论和方法是科学合理的.     

非线性回归模型M估计的迭代公式及其收敛性

本文研究了非线性回归模型M估计的Gauss-Newton迭代公式及其改进形式的收敛性问题。把Jeunrich和Gallant等人关于最小二乘估计的结果推广到M估计的情形。本文的证明显示,这些结果还可以推广到更广泛的模型和更一般的估计。本文的实例说明,改进的Gauss-Newton迭代法对于求解非线性回归的M估计是比较有效的,M估计对于消除异常点的影响育显著的作用。     

影响我国人寿保险保费收入的因素实证分析

本文对影响我国人寿保险需求的因素进行了分析,并建立了非线性回归模型;同时,采用数学软件MATLAB对此模型进行了分析、改进、检验以及预测.     

基于HBP估计的宏观经济统计数据诊断方法实证研究

HBP估计是具有高失效点的稳健估计方法,根据生产函数模型,利用LMS和MCD估计方法对浙江省相关年份的GDP进行了定量诊断,发现研究期间的GDP存在异常点和高杠杆点,并对异常点进行了验证,对高杠杆点进行了分析,解释了高杠杆点的产生原因。同时利用RLS估计方法对模型进行回归,根据回归结果对异常点进行了修正。     

Granger因果检验的非线性进展及应用研究

Granger因果检验是计量经济学的重要组成部分,也是现代经济、金融学分析的重要工具,近年来Granger因果检验在非线性检验方向有了较大进展。本文在线性Granger因果检验的基础上,阐述了Granger因果检验的非线性进展,重点总结了针对一阶矩的基于回归模型、非参函数和信息理论的三大类非线性方法以及针对二阶矩的基于残差交叉相关系数和多元条件方差模型下的两大类非线性方法,讨论了不同非线性Granger方法中数据要求、核心模型、建模关键以及模型优缺点,提出了Granger因果检验"线性-非线性"的整体框架和研究范式.通过模型分析和比较,本文可为因果检验的非线性理论和模型研究提供参考,并对因果检验在经济和金融领域的更广泛应用提供支持。     

多元线性回归中的AP统计量和距离影响函数

本文对多元线性回归模型定义了AP统计量和距离影响函数;将它们分解为两项之积,指出强影响点、异常点、高杠杆点间的内在联系;讨论了上述三种点的探查方法.最后,给出与距离影响函数有关的一个定理.     

基于异方差的自回归预测模型的参数估计及其应用

从齐性方差的线性回归模型参数估计的最小二乘法出发,通过对统计资料的适当变换,利用加权最小二乘法,获得了异方差的线性自回归模型和四种异方差的非线性自回归模型的参数估计公式,并举例阐述了估计公式的应用.     

一种改进的异常值检测算法与稳健估计

对模型精度与稳健性的要求使得异常值检测与稳健估计在模型构建中变得日益重要.本文首先利用基于边际相关系数构造的高维影响度量指标(HIM)与基于距离相关系数构造的高维数据异常值判别方法(HDC)分别对数据中的异常值进行初步检测,将数据集中的点分为正常点与异常点两类,然后在初始正常点集的基础上利用稳健的参数估计方法和残差空间超椭球等高面的概念构造了对初始正常点集中误判点的纠正方法,并对初始异常点集中各点的异常值概率重新进行计算,以进一步纠正误判入异常点集的正常点,最终对异常值检测的准确率进行进一步的提升.通过对两种数据结构下三种不同类型异常数据的模拟,证明了所提方法的有效性,并通过实例进行验证与分析.     

基于Pena距离的加权最小二乘估计的影响分析

利用Pena距离对加权线性最小二乘估计的影响问题进行讨论,得到加权最小二乘估计的Pena距离的表达式,对其性质进行讨论,从而得到高杠异常点的判别方法.文中对Pena距离与Cook距离的性能进行了对比,得到在一定条件下Pena距离优于Cook距离的结论.并通过数值实验对此方法的有效性进行验证.     

具有高斯过程误差的函数型线性模型的统计诊断

提出了具有高斯过程误差的函数型回归模型的几种诊断方法.在此模型中,首先,在样条基的基础上,推导了回归系数函数的估计.随后,证明了数据删失模型和均值漂移模型的等价性.然后,研究了三种诊断方法,即残差分析、Cook距离和似然距离来诊断异常和强影响数据.最后,通过一个模拟例子和一个实例来阐述方法的有效性.     

空气中PM2.5问题的建模研究

是针对空气中PM2.5的相关因素分析、分布与演变及应急处理和空气质量控制管理的问题.首先,运用数理统计与分析的相关知识,建立PM2.5含量与5项指标间的相关性分析模型和多元线性回归方程模型,并采用SPSS软件和最小二乘法对其求解;然后,通过建立Shepard二维插值模型、多元线性回归方程模型以及偏微分方程模型研究了PM2.5时空分布、演变及预测评估的一般性规律;最后,引入效用函数建立了以满意度最大为目标的非线性规划模型和以投入总费用最少及PM2.5减排计划实施满意度最大为目标的多目标非线性规划模型,并结合LINGO软件求得最优解,给出了空气质量控制管理的治理计划.     

非零截距线性和非线性回归模型的T-型稳健估计算法

首先给出非零截距线性模型T-型估计的模型与EM算法,其次给出非线性回归模型参数的T-型估计,利用泰勒级数对模型线性化,得到参数估计的迭代算法,最后用数值模拟实验验证了该算法的正确性和证实了T-型估计的稳健性.     

Efficient estimation of a varying-coefficient partially linear binary regression model

This article considers a semiparametric varying-coefficient partially linear binary regression model. The semiparametric varying-coefficient partially linear regression binary model which is a generalization of binary regression model and varying-coefficient regression model that allows one to explore the possibly nonlinear effect of a certain covariate on the response variable. A Sieve maximum likelihood estimation method is proposed and the asymptotic properties of the proposed estimators are discussed. One of our main objects is to estimate nonparametric component and the unknowen parameters simultaneously. It is easier to compute, and the required computation burden is much less than that of the existing two-stage estimation method. Under some mild conditions, the estimators are shown to be strongly consistent. The convergence rate of the estimator for the unknown smooth function is obtained, and the estimator for the unknown parameter is shown to be asymptotically efficient and normally distributed. Simulation studies are carried out to investigate the performance of the proposed method.     

非线性测量误差模型的影响分析

本文对非线性测量误差模型给出了统一的诊断方法,并证明了数据删除模型与均值漂移模型的等价性,由此出发得到了Cook距离、残差、杠杆值等诊断统计量.本文还讨论了非线性测量误差模型的局部影响分析,并给出了一个具体应用实例.推广了Zhao & Lee(1995)的结果.     

Efficient estimation for semiparametric varying- coefficient partially linear regression models with current status data

This article considers a semiparametric varying-coefficient partially linear regression model with current status data. The semiparametric varying-coefficient partially linear regression model which is a generalization of the partially linear regression model and varying-coefficient regression model that allows one to explore the possibly nonlinear effect of a certain covariate on the response variable. A Sieve maximum likelihood estimation method is proposed and the asymptotic properties of the proposed estimators are discussed. Under some mild conditions, the estimators are shown to be strongly consistent. The convergence rate of the estimator for the unknown smooth function is obtained and the estimator for the unknown parameter is shown to be asymptotically efficient and normally distributed. Simulation studies are conducted to examine the small-sample properties of the proposed estimates and a real dataset is used to illustrate our approach.     

Statistical inferences for varying-coefficint models based on locally weighted regression technique

1. IntroductionIn recent y6ars, some progress has been made towards increaJsing the flexibility of linearregression models. One of the obvious extensions in this direction is the sthcalled varyingcoefficient regression models in which the regressiOn funtions are llnear in the regressors,but their coefficients are allowed to change with the value of another factor. Specificallysuppose that we have a response variable Y and regressors X1 t X2,' t Xv as well as anothervariable V. A varyingco…