半参数空间分位回归模型的估计与变量选择

对于高维空间数据,利用半参数空间自回归进行建模,模型中会同时存在内生性、非线性、变量过多等问题。本文研究半参数空间分位回归模型,提出了新的估计程序:首先利用样条基函数,对模型中未知平滑函数进行逼近,解决非线性问题;然后运用特征向量空间滤波,将空间滞后因子转化为空间代理变量的线性组合,有效解决了内生性问题;利用再中心化影响函数,进行无条件分位回归建模,能够刻画不同分位水平下变量之间的关系;最后引入自适应Lasso惩罚,对高维线性部分进行变量选择,得到系数的稀疏估计,有效增强了模型的可解释性。数值模拟中对参数作不同的设置,展现了本文提出方法的有效性。最后,利用半参数空间分位回归模型分析了住房销售价格数据集。     

缺失数据下半参数空间自回归模型的估计

本文研究了响应变量随机缺失时部分线性空间自回归模型的估计问题.结合B样条方法,我们给出了该模型参数部分和非数部分的极大似然估计的EM算法、伪限制极大似然估计的EM算法、以及边际极大似然估计算法,并通过数值模拟比较了三种估计和相应算法在不同的样本容量、缺失比例及空间权重矩阵下数值表现.最后,通过一个实际例子进一步验证三种方法的优良性.     

条件分位中的分层线性回归模型

由于分位回归具有很多优点, 近年来它逐渐成了线性和非线性响应模型综合性的统计分析方法，但是它却不能有效地处理具有分层结构的实际数据. 然而，在现实生活中具有这种结构的数据是一种普遍现象.忽略数据的这种结构会冒很大的风险, 甚至让传统意义下的统计分析方法失效; 另一方面, 尽管分层模型考虑到了数据的这种结构, 但它实际上就是均值回归, 所以不可能全面刻画给定高维解释变量条件下的响应变量的条件分布问题. 另外, 它估计出来的系数向量(边际效应)对于响应变量中的离群点很敏感. 本文基于Gauss-Seidel 迭代法, 提出了一种新的算法, 该算法充分利用了分位回归和分层模型二者的优点, 创造性地解决了前面所提出的问题.在理论方面, 我们还考虑了新方法的渐近性质, 得出了简单条件下n^1/2收敛速度和渐近正态性. 最后, 将我们的新方法用到一个典型的具有分层结构的实际教育数据上去, 并且介绍如何解释所得的结果.     

基于MCMC算法的贝叶斯变结构分位自回归模型研究

为了更全面细致的刻画时间序列变结构性的特征及其相依性,提出了一类马尔可夫变结构分位自回归模型。利用非对称Laplace分布构建了模型的似然函数,证明了当回归系数的先验分布选择为扩散先验分布时,参数的各阶后验矩都是存在的,并给出了能确定变点位置和性质的隐含变量的后验完全条件分布。仿真分析结果发现马尔可夫变结构分位自回归模型可以全面有效地实现对时间序列数据变结构性的刻画。并应用贝叶斯Markov分位自回归方法分析了中国证券市场的变结构性,结果发现中国证券市场在不同阶段尾部表现出不同的相依性。     

有限混合Laplace分布回归模型局部估计的EM算法

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题. 利用核回归方法和最大化局部加权似然函数的EM算法, 获得了参数函数的局部极大似然估计量, 并讨论了它们的渐近偏差, 渐近方差和渐近正态性. 推广了有限混合回归模型下局部非参数估计的结果.     

函数型空间自回归模型的贝叶斯估计

函数型数据广泛地存在于社会的各个领域, 函数型数据分析也成为越来越热的统计研究方向. 经典的函数型回归模型一般假设响应变量是一个独立变量, 而在经济学, 环境科学等领域会经常遇到响应变量具有空间相依关系. 因此针对带有空间响应变量的部分函数型空间自回归模型, 基于函数型主成分分析和MCMC算法研究了模型的贝叶斯估计. 运用■表示定理来逼近函数型系数的思想, 以及应用Gibbs抽样和Metropolis-Hastings算法相结合的混合MCMC算法来获得模型中未知参数和函数型系数的贝叶斯估计结果. 最后通过模拟研究和对加拿大气温数据的实证分析来表明所提出的贝叶斯估计方法是可行有效的.     

固定效应空间自回归分位数模型的变量选择

本文研究了固定效应空间自回归分位数模型的变量选择问题.通过惩罚压缩相关参数,达到了同时识别空间效应、估计未知参数和选择解释变量的目的.此外,给出了变量选择的实现算法并证明了惩罚估计量的大样本性质.数值模拟和实例分析均表明了所提方法的优良表现.     

混合地理加权空间自回归模型的Profile GMM估计

为了更好地同时考虑空间自相关性和空间异质性,本文研究一类空间自回归混合地理加权回归模型.基于Profile方法和广义矩(GMM)方法,构造了模型中未知空间自回归参数,常数回归系数和系数函数的两类Profile GMM估计.数值模拟结果表明所提出的估计在有限样本中表现良好.     

空间自相关地理加权回归模型的估计

地理加权回归作为一类能有效处理回归分析中空间非平稳性现象的建模技术,在多类问题的研究得到了广泛的应用.主要讨论这类空间计量经济学模型在空间自相关情形下的估计问题.首先,对于因变量含有空间滞后项的地理加权回归模型,分别给出了局部似然估计和两步估计两种方法.其次,考虑了误差空间自相关下地理加权回归模型的估计问题.     

非对称Marshall-Olkin Laplace分布及其在自回归模型中的应用

引入了一种新的概率分布类—–非对称Marshall-Olkin Laplace分布(AMOL),讨论了这一分布类的性质,得到了其几乎所有的数字特征.最后讨论了非对称Marshall-Olkin Laplace分布在自回归分析中的应用,得到了以AMOL为边际分布的自回归模型的一个充分必要条件.     

基于EM算法隐Markov模型参数估计

描述最大似然参数估计问题,介绍如何用EM算法求解最大似然参数估计.首先给出EM算法的抽象形式,然后介绍EM算法的一个应用:求隐Markov模型中的参数估计.用EM算法推导出隐Markov模型中参数的迭代公式.     

A Functional EM Algorithm for Mixing Density Estimation via Nonparametric Penalized Likelihood Maximization

When the true mixing density is known to be continuous, the maximum likelihood estimate of the mixing density does not provide a satisfying answer due to its degeneracy. Estimation of mixing densities is a well-known ill-posed indirect problem. In this article, we propose to estimate the mixing density by maximizing a penalized likelihood and call the resulting estimate the nonparametric maximum penalized likelihood estimate (NPMPLE). Using theory and methods from the calculus of variations and differential equations, a new functional EM algorithm is derived for computing the NPMPLE of the mixing density. In the algorithm, maximizers in M-steps are found by solving an ordinary differential equation with boundary conditions numerically. Simulation studies show the algorithm outperforms other existing methods such as the popular EMS algorithm. Some theoretical properties of the NPMPLE and the algorithm are also discussed. Computer code used in this article is available online.     

Efficient Estimation in a Semiparametric Autoregressive Model

This paper constructs efficient estimates of the parameter in the semiparametric auto-regression model ,with a smooth function and independent and identically distributed innovations _t with zero means and finite variances. This will be done under the assumptions that and that the errors have a density with finite Fisher information for location. The former condition guarantees that the process can be chosen to be stationary and ergodic.     

基于贝叶斯法则的空间自相关误差自相关模型变量选择研究

本文将研究贝叶斯法则视角下的空间自相关误差自相关模型(Spatial Autoregressive Model with Autoregressive Disturbances,SARAR模型)变量选择问题。通过将基于BIC准则的子集选择法推广到空间模型,实现SARAR模型的变量选择,并证明在一定条件下,对于SARAR模型的变量选择BIC准则具有良好的渐近性质。同时本文还将利用Monte Carlo模拟验证BIC准则能够很好的实现SARAR模型的变量选择。最后以股票收益率为例,在验证股票收益率具有空间效应的前提下,利用BIC准则对影响股票收益率的众多财务指标进行变量选择。     

�����Ͳ������Ը��Ϸ�λ���ع�ģ�͵Ĺ���

This paper studies estimation in functional partial linear composite quantile regression model in which the dependent variable is related to both a function-valued random variable in linear form and a real-valued random variable in nonparametric form. The functional principal component analysis and regression splines are employed to estimate the slope function and the nonparametric function respectively, and the convergence rates of the estimators are obtained under some regularity conditions. Simulation studies and a real data example are presented for illustration of the performance of the proposed estimators.     

Composite Quantile Estimation for Kink Model with Longitudinal Data

Kink model is developed to analyze the data where the regression function is two-stage piecewise linear with respect to the threshold covariate but continuous at an unknown kink point. In quantile regression for longitudinal data, kink point where the kink effect happens is often assumed to be heterogeneous across different quantiles. However, the kink point tends to be the same across different quantiles, especially in a region of neighboring quantile levels. Incorporating such homogeneity info...     

���������ĸ��Ϸ�λ���ع��SIMEX����

??Composite quantile regression model with measurement error is considered. The SIMEX estimators of the unknown regression coefficients are proposed based on the composite quantile regression. The proposed estimators not only eliminate the bias caused by measurement error, but also retain the advantages of the composite quantile regression estimation. The asymptotic properties of the SIMEX estimation are proved under some regular conditions. The finite sample properties of the proposed method are studied by a simulation study, and a real example is analyzed.     

SIMEX Estimation for Composite Quantile Regression Model with Measurement Error

Composite quantile regression model with measurement error is considered. The SIMEX estimators of the unknown regression coefficients are proposed based on the composite quantile regression. The proposed estimators not only eliminate the bias caused by measurement error, but also retain the advantages of the composite quantile regression estimation. The asymptotic properties of the SIMEX estimation are proved under some regular conditions. The finite sample properties of the proposed method are studied by a simulation study, and a real example is analyzed.     

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.