半参数空间变系数模型的局部线性二阶段估计

针对半参数空间变系数模型,利用二阶段估计方法借助于局部线性拟合技术给出了模型中常值系数估计量的精确表达式;同时给出了实验设计方法,用于验证所提出的估计方法对估计常值系数具有满意的精度和稳定性.     

半参数空间变系数回归模型的Back-Fitting估计

针对半参数空间变系数回归模型给出了一种估计方法-后向拟合估计,该方法可得到模型中常值系数估计量的精确解析表达式,广泛的数值模拟表明所提出的估计方法对估计常值系数具有满意的精度和稳定性,最后,利用该方法分析了一个实际的例子.     

半变系数模型改进的轮廓最小二乘估计

针对半变系数模型,在局部线性拟合轮廓最小二乘估计方法的基础上将关于变系数函数的局部线性拟合改进为局部非线性拟合,得到半变系数模型改进的轮廓最小二乘估计,进一步讨论了常值系数的渐进正态性.     

部分线性变系数模型Backfitting估计的渐近性质

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类应用广泛的数据分析模型.利用Backfitting方法拟合这类特殊的可加模型,可得到模型中常值系数估计量的精确解析表达式,该估计量被证明是n~(1/2)相合的.最后通过数值模拟考察了所提估计方法的有效性.     

强相依数据的函数系数部分线性模型的估计

本文讨论在数据是强相依的情况下函数系数部分线性模型的估计．首先,采用局部线性方法,给出该模型函数项函数的估计;然后,使用两阶段方法给出系数函数的估计．并且讨论了函数项函数估计的渐近正态性,以及系数函数估计的弱相合性和渐近正态性.模拟研究显示,这些估计是较为理想的．     

部分线性变系数模型的一种新的轮廓(Profile)最小二乘估计

作为部分线性模型和变系数模型的推广,部分线性变系数模型以其良好的适应性和稳健性受到了广泛的关注。本文基于函数的局部线性拟合,给出部分线性变系数模型的另一种轮廓(profile)最小二乘估计的方法,并从理论上证实了所得估计量具有良好的渐近性质,最后给出了估计方法的实例分析。     

部分函数线性变系数模型的样条估计及其应用

本文针对Tecator数据介绍一种新的模型一部分函数线性变系数模型,并基于样条估计方法得到了模型中未知系数函数的估计,同时在适当的条件下给出了系数函数估计及模型均方预测误差的收敛速度。通过数值模拟说明本文所提估计方法的有效性。最后基于该模型对Tecator数据进行了统计分析。     

误差相关的半变系数模型的估计

本文在误差相关的情况下, 研究半变系数模型的估计, 通过改进PLS估计, 给出了函数系数和常数系数的估计, 证明了估计的渐近正态性; 最后, 模拟研究说明了所提方法的有效性.     

半变系数模型约束PLS估计的渐近正态性

变系数模型已获得了广泛的应用,半变系数模型是变系数模型的有效推广,本文给出半变系数模型在线性约束条件下的PLS估计,并证明了常系数和函数系数估计的渐近正态性.     

部分线性变系数模型中误差方差的估计

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类在建模中应用非常广泛的模型.本文基于Profile最小二乘方法给出了模型中误差方差的估计并证明了该估计的渐近正态性.最后通过数值模拟验证了我们所提估计方法的有效性.     

半变系数模型PLS估计的渐近正态性

半变系数模型在统计建模中具有重要的应用．最近几年，人们提出了许多方法来估计其常系数和函数系数，但是估计的渐近性质还没有被系统的研究．本文介绍了半变系数模型的PLS估计，在Fan和Huang对常系数渐近性质研究的基础上，给出了函数系数的渐近正态性。     

混合系数线性模型参数的Stein估计

在连续测量数据情况下,对混合系数线性模型给出了固定系数和随机系数的两种形式的Ｓｔｅｉｎ估计,并证明了在均方误差意义下,Ｓｔｅｉｎ估计要优于ＬＳ估计,最后还讨论了Ｓｔｅｉｎ压缩系数的选取方法     

具有不同光滑变量的变系数模型

本文探讨具有不同光滑变量的变系数模型的建模、估计和估计的渐近性．首先,从实际出发建立模型;然后,使用局部线性方法给出模型中未知函数的初始估计,再使用平均方法,给出它们的平均估计;进—步,给出这些平均估计的渐近正态性．两个模拟例子说明这一估计方法是有效的．     

基于变系数模型的纵向数据相关结构选择和估计

本文针对基于变系数模型的纵向数据提出 选择和估计其个体内部相关结构的方法, 给出变系数模型中系数函数曲线的有效估计, 并建立相应的大样本渐近性质. 模拟结果和实例分析表明, 即使在有限样本下, 本文所提方法在选择和估计真实相关结构方面具有相合性, 并能够提高系数函数曲线的估计效率.     

删失数据下的变系数回归模型

研究了删失数据下的变系数回归模型．通过数据变换,利用局部多项式方法,给出了系数函数的局部加权最小二乘估计．证明了该估计的渐近偏差和渐近方差,同时获得了该估计的渐近正态性．     

部分线性变系数模型中估计的渐进正态性

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类应用非常广泛的模型,本文基于Profile最小二乘方法给出了模型中参数分量与非参数分量的估计,并在异方差情形下证明了这些估计的渐进正态性.     

响应变量随机缺失下的广义变系数模型的估计

在响应变量随机缺失时,利用拟似然方法给出了广义变系数模型中非参数函数系数的估计.研究了所得到的估计的渐近性质,求出了估计的渐近偏差与渐近方差,并进行模拟比较.     

基于变系数模型的自适应分位回归方法

提出了变系数模型条件分位估计的一种新方法.变系数模型已经成为经济学、流行病学、纵向数据和医学领域处理高维数据的有力工具.该模型有助于探测数据的动态特征、降低模型偏差、避免高维灾难,同时便于解释.尽管关于变系数模型条件均值的估计已经有很多文章,但关于变系数模型条件分位的估计方面的文章相对较少.文中提出了一种有效的适应性分位回归方法来诊断出齐性邻域,进行局部自适应窗宽选择和局部线性逼近,同时给出了估计量的风险界和最优窗宽的自动选择准则.模拟研究说明了所提出估计方法的效果.     

删失数据下半变系数模型估计的渐近正态性

半变系数回归模型是变系数回归模型的有效推广,已获得了广泛的应用. 本文在响应变量随机删失下对其进行讨论,给出常系数和函数系数的估计, 并证明了该估计的渐近正态性.     

函数系数线性自回归模型的样条估计

基于多项式样条全局光滑方法,建立函数系数线性自回归模型中系数函数的样条估计.在适当条件下,证明了系数函数多项式样条估计的相合性,并给出了它们的收敛速度.模拟例子验证了理论结果的正确性.