非参数方法估计分位数模型的研究综述

目前国内对于线性分位数回归模型的研究及其应用正在火热进行中,而非参数计量方法由于其优越性也受到越来越多人的重视,但对于两种方法结合应用的相关研究才刚刚开始.对于目前国内外已有的以及正在发展中的非参数方法估计分位数回归模型做了一个综述,包括理论综述及实证应用综述,其中重点介绍了此方面研究的前沿理论:Li and Racine关于非参数估计条件累积分布函数(CDF)和分位函数的研究.通过介绍,希望对于我国非参数估计分位数回归模型方法的研究和应用有所裨益.     

分子动力学模拟中非成键相互作用计算的误差估计

高效的非成键相互作用计算对于分子动力学模拟具有核心意义.本文在一个统一的框架下,综述短程相互作用的截断方法、长程静电相互作用的光滑粒子网格Ewald方法和交错网格Ewald方法的误差估计.与传统的误差估计假设体系均匀且无相关性不同,本文介绍的误差估计可以推广到非均匀和有相关性的体系.本文通过具体例子讨论非均匀性和相关性对误差的本质性影响,以及可能的修正方式,并说明误差估计对于提高非成键相互作用的计算精度和速度有重要作用.本文还展示一个针对光滑粒子网格Ewald方法的实用参数优化方法,使得在保证精度的同时选取计算效率近似最优的参数组合成为可能,改善了传统上参数全凭经验选取的局面.     

含估计参数的加权经验过程

在讨论(广义)非参数似然比拟合优度检验时,加权经验过程理论是一个非常重要的基础.但对含估计参数的加权经验过程理论,目前文献中很少讨论.对含估计参数的加权经验过程的上界型和积分型两种统计量的近似分布进行了讨论,给出了较一般的结果.所得结论叮以为进一步讨论复合零假设下(广义)非参似然比拟合优度检验提供理论基础.     

随机缺失数据下样本分位数估计

分位数的估计在生物医学、社会经济调查等领域有着广泛的应用,然而在实际问题的研究中,往往由于各种人为或不可控因素造成数据收集不完全.本文在随机缺失(MAR)假设条件下,利用非参数核补法和局部多重插补法给出了响应变量缺失时样本分位数的估计,并利用经验过程等理论证明了由这两种方法得到的分位数估计的大样本性质,同时,使用重抽样方法给出了估计的渐近方差的估计,模拟结果验证了这两种方法的有效性.文章所提两种方法的优点在于:首先,所提出的缺失修正方法不需要对缺失概率的模型做任何假设;其次,方法亦适用于其他有关参数不可微的估计目标函数;最后,方法很容易地推广到一般M估计的情况,并可以对多个分位数同时进行估计.     

一类非参数回归模型核估计的渐近性质

研究一类新的非参数回归模型回归函数的核估计问题,其中误差项为一阶非参数自回归方程.通过重复利用Watson-Nadaraya核估计方法,构造了回归函数及误差回归函数的估计量分别为m(.)和ρ(.),在适当的条件下,证明了估计量m(.)和ρ(.)的渐近正态性.     

基于不同核函数的非参数与参数利率模型的国债定价

以上海证券交易所的国债回购利率数据为样本,本文采用两种不同核函数:高斯核和抛物线核对非参数利率期限结构模型进行估计.结果显示:短期利率的密度函数是非正态的,扩散过程的漂移函数和扩散函数都是非线性的,高斯核比抛物线核对扩散函数拟合更平滑.然后,给出了基于非参数和参数利率模型的国债定价的方法,并对非参数利率模型、Vasicek模型、CIR模型、多项式样条静态模型进行国债定价预测比较与分析.     

广义非参数回归的B样本贝叶斯估计

本文主要研究广义非参数模型B样条Bayes估计 .将回归函数按照B样条基展开 ,我们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B样条函数的后验均值估计回归函数 .并给出了回归函数B样条Bayes估计的MCMC的模拟计算方法 .通过对Logistic非参数回归的模拟研究 ,表明B样条Bayes估计得到了很好的估计效果     

“刀切法”在农业产量抽样调查中的应用

一、刀切法及其思想 刀切法(Jackknibe)是49年由美国统计学家昆努依尔提出的,当时尚没有引起统计学界足够的重视,直到58年美国统计学家图基进一步发展了这种思想,作为一般的估计理论,并形象地称之为“大折刀”,即童子军用的一种多用刀,意思是它的应用功能很多.它适用于对未知总体分布的各种参数估计,因而是一种非参数统计推断的方法,从此这种方法在理论和实践方面均得到了较大的发展,如刀切法渐近理论;刀切法在回归分析、时间序列、抽样的区间估计等方面的应用.其特点是不论未知总体是何种分布,用何种抽样方式抽取的样本,均可用刀切的方法…     

NOD误差下非参数回归函数积分权估计的完全相合性

在误差为NOD序列的条件下,对Gassor和Müller提出的一类非参数回归函数积分权估计进行研究.利用截尾方法和NOD序列的指数不等式,得到了非参数回归函数积分权估计的完全相合性,结果推广和拓展了已有的相关结论.     

非参数固定设计回归模型中的Stahel-Donoho核估计

研究非参数固定设计回归模型中的稳健核估计. 提出了一种Stahel-Donoho核估计, 在此核估计中, 权重函数既依赖于数据深度, 又依赖于设计点和估计点之间的距离. 对不可直接计算的误差深度, 利用局部近似, 给出了一种近似计算方法, 使得新的估计是计算有效的. 新的估计获得较高的崩溃点值, 并有渐近正态和均方收敛等良好的大样本性质. 与参数模型中的深度加权估计不同的是,这种深度加权非参数估计有简单的方差结构,于是,人们可以比较新旧估计的有效性.数据模拟结果表明,新的方法可以平滑回归估计,并获得稳健性和有效性的良好平衡.     

Nonparametric Estimation of Extreme Conditional Quantiles with Functional Covariate

Estimation of the extreme conditional quantiles with functional covariate is an important problem in quantile regression. The existing methods, however, are only applicable for heavy-tailed distributions with a positive conditional tail index. In this paper, we propose a new framework for estimating the extreme conditional quantiles with functional covariate that combines the nonparametric modeling techniques and extreme value theory systematically. Our proposed method is widely applicable, no matter whether the conditional distribution of a response variable Y given a vector of functional covariates X is short, light or heavy-tailed. It thus enriches the existing literature.     

Using the bootstrap to estimate mean squared error and select smoothing parameter in nonparametric problems

We describe a bootstrap method for estimating mean squared error and smoothing parameter in nonparametric problems. The method involves using a resample of smaller size than the original sample. There are many applications, which are illustrated using the special cases of nonparametric density estimation, nonparametric regression, and tail parameter estimation.     

商业银行操作风险的度量——基于非参数方法

在损失分布方法的基础上,本文基于非参数方法对商业银行操作风险的度量进行了研究。非参数方法对损失额的分布不作过多的设定,避免了由于分布误设可能出现的偏差。古典的核密度估计对损失额拟合的效果不太好,特别是尾部的拟合效果更差。变换后的核密度估计的拟合效果比古典的核密度估计改善很多.基于变换后的核密度估计对商业银行操作风险损失度量可以得到不同置信水平的VaR与ES,并且不同置信水平的差距比较大。基于非参数与基于参数方法得到的各个置信水平的VaR与ES有一定差距。     

基于非参数密度估计的异常点诊断方法

异常点诊断是统计学中的经典问题.发现并减少异常点对纳税评估数据分析的影响是一项很有意义的研究.然而,通常的异常点诊断一般采用适用于单峰分布的全局识别方法.借鉴局部域相关积分(Local correlation integral)理论,提出基于非参数密度估计的识别方法.方法适用于多峰分布,能识别局域性质的异常点,对异常点占比较高的样本也有较强的识别能力.基于某市10 920个企业样本,实证分析对比研究了税务局目前使用的和建议的纳税评估方法,结果表明税务局采用的方法有较大的纳税评估风险(误判风险).     

基于非参数估计方法的沪铜期货价格研究

非参数估计方法是现代统计学的一个新发展方向,在各领域有重要的应用价值.本文针对非参数模型的三种估计方法,将其应用于沪铜期价与LME现价的相关关系分析,得到模型的拟合值和拟合曲线.最后,与最小二乘法的结果进行比较分析,证实了非参数估计在不同历史时期有预测精度高的优点.     

小波检测并估计非参函数变点

研究随机设计下非参函数变点的小波检测与估计问题.将小波方法与设计点转化方法相结合给出变点的检测统计量并研究检测的一致性.给出了变点个数和变点位置的估计量,证明了变点个数估计量的相合性并得到变点位置估计量的收敛速度.     

A Robust Heuristic Estimator for the Period of a Poisson Intensity Function

While there are a number of methods for estimating the intensity of a cyclic point process, these assume prior estimation of the period itself. The standard method for the latter is the periodogram, or spectral analysis, approach. This is a parametric method which is sensitive to the form, in particular the number of peaks per cycle, of the intensity. We construct a family of nonparametric estimators for the period of a cyclic Poisson process, with the object of robustness against the form of the intensity. These are tested, along with the standard periodogram estimate and an earlier nonparametric estimator, on simulated data from a range of intensity functions. While the nonparametric estimators presently lack the well-developed asymptotic and statistical properties of the periodogram, the best of them is almost as accurate as the periodogram for the unimodal intensity cycles on which the latter is based. Whereas the periodogram cannot handle multimodal cycles at all, the better nonparametric estimators are reasonably accurate, and sometimes err by estimating multiples of the period rather than divisors, errors that are arguably less damaging. We conclude with some remarks concerning the derivation of asymptotic properties for our nonparametric estimator.     

Nonparametric Estimation of the Measurement Error Model Using Multiple Indicators

This paper considers the nonparametric estimation of the densities of the latent variable and the error term in the standard measurement error model when two or more measurements are available. Using an identification result due to Kotlarski we propose a two-step nonparametric procedure for estimating both densities based on their empirical characteristic functions. We distinguish four cases according to whether the underlying characteristic functions are ordinary smooth or supersmooth. Using the loglog Law and von Mises differentials we show that our nonparametric density estimators are uniformly convergent. We also characterize the rate of uniform convergence in each of the four cases.     

无穷方差厚尾过程中非参数函数的小波估计

研究无穷方差厚尾过程中含有变点的非参数函数的估计问题。通过小波方法给出变点位置的估计值并得到其收敛速度。在已知变点估计值的基础上,将截尾方法与小波压缩方法相结合得到非参数函数的估计值。模拟研究结果说明对于无穷方差厚尾过程中的函数估计问题小波方法是有效的。     

非参数固定效应Panel Data模型的统计推断

本文主要讨论了非参数固定效应Panel data模型的估计与检验问题,首先我们利用Profile最小二乘方法得到了固定效应与非参数部分的估计;接着基于比较原假设与备择假设下模型拟合的残差平方和的思想针对固定效应的检验问题构造了检验统计量,并给出了计算检验p-值的F分布逼近法。