变系数部分线性模型的加权随机约束s-K估计

研究随机约束条件下半参数变系数部分线性模型的参数估计问题,当回归模型线性部分变量存在多重共线性时,基于Profile最小二乘方法、s-K估计和加权混合估计构造参数向量的加权随机约束s-K估计,并在均方误差矩阵准则下给出新估计量优于s-K估计和加权混合估计的充要条件,最后通过蒙特卡洛数值模拟验证所提出估计量的有限样本性质.     

推广的线性模型的参数估计

本文导出区间数变量和三角模糊变量的线性模型的参数公式．公式简单，形式一致，可作为经典线性回归模型参数估计最小二乘法推广。     

半参数线性混合效应模型的联合变量选择

多数基于线性混合效应模型的变量选择方法分阶段对固定效应和随机效应进行选择,方法繁琐、易产生模型偏差,且大部分非参数和半参数的线性混合效应模型只涉及非参数部分的光滑度或者固定效应的选择,并未涉及非参变量或随机效应的选择。本文用B样条函数逼近非参数函数部分,从而把半参数线性混合效应模型转化为带逼近误差的线性混合效应模型。对随机效应的协方差矩阵采用改进的乔里斯基分解并重新参数化线性混合效应模型,接着对该模型的极大似然函数施加集群ALASSO惩罚和ALASSO惩罚两类惩罚,该法能实现非参数变量、固定效应和随机效应的联合变量选择,基于该法得出的估计量也满足相合性、稀疏性和Oracle性质。文章最后做了个数值模拟,模拟结果表明,本文提出的估计方法在变量选择的准确性、参数估计的精度两个方面均表现较好。     

基于模型的小域估计方法及其拓展——由单变量推广到多变量情形

小域估计是当今抽样调查领域的研究热点,通过建立小域估计模型,将所有调查区域通过公共的参数连接起来,利用相关区域数据作为辅助信息,解决多层次抽样调查中某些域样本量不足的问题,提高参数的估计精度。本文首先在目标变量是单变量的情形下,研究了域层次模型和单元层次模型的参数估计方法,进而推广到目标变量是多变量的情形,考虑变量之间的相关性,研究了多变量Fay-Herriot模型参数的经验最优线性无偏预测及其均方误差矩阵的性质,最后通过一个实例,验证了参数估计具有良好效果。     

张量空间上的线性互补问题

借助于一类张量收缩积,本文定义一类张量空间上的线性互补问题,简称张量线性互补问题.当所涉及的张量变量退化为向量时,所考虑的问题退化为经典的线性互补问题.对此,首先讨论张量收缩积的一些性质,然后建立张量线性互补问题的理论与算法.具体地,讨论张量线性互补问题的等价模型、可行性与可解性理论、解集的凸性等,提出一个求解张量线性互补问题的外梯度算法,在一定条件下证明算法的收敛性,并给出初步的数值实验结果.     

方差分量的广义谱分解估计

对于随机效应部分为一般平衡多向分类的线性混合模型,将王松桂(2002)提出的一种称之为谱分解估计的参数估计新方法推广到随机效应设计阵为任意矩阵的含两个方差分量的线性混合模型,给出了方差分量的广义谱分解估计方法,并证明了所得估计的一些统计性质。另外,还就广义谱分解估计类中某些特殊估计和对应的方差分析估计进行了比较,得到了它们相等的充分必要条件。     

利用广义指数加权回归估计贝叶斯动态线性模型误差方差矩阵Wt的方法

本文主要研究广义指数加权回归在贝叶斯线性动态线性模型参数估计中的作用,提供了一种估计模型误差方差矩阵的方法.     

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.     

张量分解及其在统计模型中的应用

首先介绍张量基本概念、张量乘积及张量CP分解和Tucker分解.其次,将张量运用于统计模型当中,得到张量回归模型.再结合张量矩阵化和张量分解,给出该模型参数张量的最小二乘估计公式.最后,举例说明张量模型的重要性.     

基于部分线性变系数空间误差模型的网络结构缺失数据借补估计

文章采用空间误差模型刻画个体之间的网络结构关系,讨论响应变量随机缺失时部分线性变系数空间误差模型的估计和借补问题.首先,利用矩阵分块和截面似然技术构建了参数估计量,并证明了参数估计量的渐近分布和未知系数函数估计量的收敛速度.其次基于部分线性变系数模型,提出了带有空间网络结构的缺失数据的借补方法.最后,通过蒙特卡洛模拟研究了估计量的有限样本性质,并将该方法应用于QQ数据集分析.     

自变量带误差的线性模型参数估计的收敛速度

给出了部分变量带误差而部分变量不带误差的线性咽归模型的参数估计的收敛速度。     

基于半张量积的半李代数研究

矩阵的半张量积是通常矩阵乘法的推广。基于矩阵的半张量积和半张量加法得到实数半环上矩阵半线性空间和矩阵半李代数。研究了该矩阵半李代数的子代数、理想、商代数和同态等基本结构和性质,进而证明了该矩阵半李代数的同态基本定理。     

带协变量的负二项回归模型中离散参数估计的研究

针对带协变量的负二项回归模型中离散参数估计问题,推广了极大似然估计和Bootstrap极大似然估计方法,并在绝对偏差的意义下,通过模拟研究和实际数据分析研究了估计的优良性.研究结果表明协变量和样本量均对离散参数估计有影响.     

带有变量中误差的线性模型

本文介绍带有变量中误差(Errors-in-Variables-EV)线性模型的定义,模型的可识别性及模型的参数估计等问题。     

异方差的线性混合模型的参数估计

本文研究既含有固定效应又含有随机效应的线性混合模型,在随机效应的方差不同即异方差情况下,即考虑方差受外界因素的影响,如温度、湿度等,我们称之为协变量,在有协变量情况下对方差建立对数线性模型,运用最大似然估计讨论了固定效应的估计和随机效应的预测,并且用约束最大似然(REML)方法研究对数线性模型中参数和随机误差中参数(离差参数)的估计,并讨论估计量的性质及离差参数估计量的渐近正态性。     

带协变量的负二项回归模型中离散参数估计的研究（英文）

针对带协变量的负二项回归模型中离散参数估计问题,推广了极大似然估计和Bootstrap极大似然估计方法,并在绝对偏差的意义下,通过模拟研究和实际数据分析研究了估计的优良性.研究结果表明协变量和样本量均对离散参数估计有影响.     

混合分组数据下恒加试验的参数估计

本文研究了恒定心力加速寿命试验在获得混合分组数据情况下的参数估计问题.利用EM算法,扶得了参数极大似然估计的迭代式.该结果推广了分组数据场合下一般恒加试验的参数估计.     

低秩张量填充的加速随机临近梯度算法

本文提出了一种求解低秩张量填充问题的加速随机临近梯度算法.张量填充模型可以松弛为平均组合形式的无约束优化问题,在迭代过程中,随机选取该组合中的某一函数进行变量更新,有效减少了张量展开、矩阵折叠及奇异值分解带来的较大的计算花费.本文证明了算法的收敛率为$O (1/k^{2})$.最后,随机生成的和真实的张量填充实验结果表明新算法在CPU时间上优于现有的三种算法.     

线性回归模型的QR参数估计

应用矩阵的 QR分解 ,对线性回归模型 Y=Yβ+ U进行参数估计 ,如 QR成功分解 ,此法比普通最小—乘法 ( OLS)简捷 .     

响应变量缺失下非线性回归模型的加权半参数估计

基于逆概率加权方法研究了响应变量缺失下非线性回归模型的参数估计问题,提出了一种利用广义部分线性单指标模型对选择概率建模的加权半参数估计方法.从理论上证明了所得估计量具有渐近正态性,并通过数据模拟分析研究了所提方法在有限样本下的表现.