��ָ���λ���ع�ı���ѡ��

多元非参数分位数回归常常是难于估计的, 为了降低维数同时保持非参数估计的灵活性, 人们常常用单指标的方法模拟响应变量的条件分位数. 本文主要研究单指标分位数回归的变量选择. 以最小化平均损失估计为基础, 我们通过最小化具有SCAD惩罚项的平均损失进行变量选择和参数估计. 在正则条件下, 得到了单指标分位数回归SCAD变量选择的Oracle性质, 给出了SCAD变量选择的计算方法, 并通过模拟研究说明了本文所提方法变量选择的样本性质.     

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.     

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．     

离散型半参数广义线性纵向数据模型的方差成分检验

在回归分析中, 随机误差是否存在方差非齐性是大家十分关心的问题, 本文根据Laplace展开原理针对随机效应的影响研究了基于纵向数据的离散型半参数广义线性模型的方差成分检验,得到了Score检验统计量, 最后通过一个实例和计算机模拟验证了本文所提出的方法的有效性.     

多服务台并联排队系统的随机模拟

针对多服务台并联排队系统,提出了计算机随机模拟的方法.分别研究了基本和非基本排队系统中,诸如排队人数、排队时间、平稳分布、忙期及其忙期服务人数等各项排队指标的模拟求解方法.通过模拟例子和实际数据分析,显示了本文所提模拟方法的有效性、灵活性和实用性.     

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.     

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     

测量误差模型的自适应LASSO变量选择方法研究

本文研究测量误差模型的自适应LASSO(least absolute shrinkage and selection operator)变量选择和系数估计问题.首先分别给出协变量有测量误差时的线性模型和部分线性模型自适应LASSO参数估计量,在一些正则条件下研究估计量的渐近性质,并且证明选择合适的调整参数,自适应LASSO参数估计量具有oracle性质.其次讨论估计的实现算法及惩罚参数和光滑参数的选择问题.最后通过模拟和一个实际数据分析研究了自适应LASSO变量选择方法的表现,结果表明,变量选择和参数估计效果良好.     

随机删失下半参数估计的强相合性

主要讨论了随机删失下的部分线性模型,利用基于分布函数的核估计和最小二乘法,给出了删失情况下参数和非参数部分的估计,并证明了它们的强相合性.     

变系数模型B样条M估计的收敛性

考虑变系数模型y(t)=XT(t)β(t)+ε(t).设(y(tij),Xi(tij),tij)是第i个个体的第j次观察.函数系数β(t)=(β1(t),…,βp(t))T是光滑的非参数函数向量,在B样条的函数空间上最小化得到β(t)的B样条M估计.若βk(t),k=1,…,p是r(r>1/2)阶光滑的,证得若结点的数目是O(n1/(2r+1)),则β(t)的B样条M估计达到最优的收敛速度O(n-r/(2r+1))(Stone(1985)).