部分线性模型在空气质量指数细颗粒物PM2.5中的分析应用

主要是研究细颗粒物PM2.5与其它影响空气质量指数的因素之间的相关性.首先运用主成分分析法对影响细颗粒物PM2.5的五个指标进行降维,然后对降维过后的数据拟合部分线性模型,拟合的效果比一般线性模型与多项式回归模型所拟合的效果更好.     

部分线性模型中的非参数部分的线性性检验

In this paper,we propose the test statistic to check whether the nonpara- metric function in partially linear models is linear or not.We estimate the nonpara- metric function in alternative by using the local linear method,and then estimate the parameters by the two stage method.The test statistic under the null hypothesis is calculated,and it is shown to be asymptotically normal.     

部分函数型线性空间自回归模型的假设检验

本文提出了部分函数型线性空间自回归模型的空间效应以及参数效应的假设检验问题.首先利用函数型主成分分析方法估计斜率函数,利用广义矩估计方法估计参数.然后利用得到的相合估计,在原假设和备择假设下,构造了基于残差平方和的检验统计量,同时给出了此检验统计量的渐近性质.模拟结果表明在有限样本下,检验统计量具有良好表现.最后将部分函数型线性空间自回归模型的检验应用到一个关于经济增长的数据案例中,说明所提出的检验统计量的应用表现.     

再论半参数部分线性模型在居民消费结构分析中的应用

本文利用半参数部分线性模型的最新结果建立新的消费结构分析框架，然后与线性模型的分析结果进行比较。结果表明前者的预测值与误差效果都比后者要好。     

任意秩多元线性模型中的最优预测

本文研究了任意秩多元线性模型中可预测变量的最优预测,特别地,我们考虑了一类特殊的预测函数,Φ－线性预测函数,给出了Φ－可预测变量和最优Φ线性一无偏预测的定义,得到了Φ－可预测变量的最优Φ－线性无偏预测,并证明了它在几乎处处意主意义下的唯一性。     

部分线性模型中的Edgeworth展开

本文在相当一般的条件下，首先给出了部分线性模型中有关参数β的标准化统计量的一阶Ｅｄｇｅｗｏｒｔｈ展开，然后构造了误差方差的一个非残差型相合估计，最后给出了相应的学生化统计量的Ｅｄｇｅｗｏｒｔｈ展开．     

多元线性模型参数的部分压缩估计

考虑多元线性回归模型Y=XB ε,其中E(Vec(ε))=0,Cov(Vec(ε))=∑In,当设计阵X呈病态时,模型参数的LS估计不再是一个优良估计,为此,提出了一种部分压缩估计,并分析了其性质.     

主成分分析在经济预测中的应用

在许多社会经济现象中，有这样的数学模型，它是不断地增长的，但又略有波浪式的起伏。要预测这类型的问题，既不能用一般的线性回归预测法，即使在ｎ＝２１时其相关系数高达０．９８８（甚至０．９９６），也能产生较大的预测误差。我们也不能用一般的曲线回归或多项式回归。包括很常用的龚珀资（Ｃｏｍｐｅｒｔｚ）曲线预测法也无济于事，因为龚法实际上是对具有Ｓ形数学模型的预测有效。它们都不符合波浪增长式且具有一定周期的数学模型。本文先就青岛市１９６２年至１９８２年这２１年人口资料进行分析探讨；再就１９７１年至１９９１年这２１年资料进行动态跟踪分析。并引进波浪增长曲线的作法。     

高维部分线性模型的变量选择和估计

考虑高维部分线性模型,提出了同时进行变量选择和估计兴趣参数的变量选择方法.将Dantzig变量选择应用到线性部分及非参数部分的各阶导数,从而获得参数和非参数部分的估计,且参数部分的估计具有稀疏性,证明了估计的非渐近理论界.最后,模拟研究了有限样本的性质.     

部分线性模型回归系数估计的渐近分布

考虑部分线性模型Ｙ＝Ｘ‘β＋ｇ（Ｔ）＋ｅ，ｘ∈Ｄ，ｔ∈「０，１」，β为未知的参数向量，ｇ为未知函数，Ｃｈｅｎ给出此模型的一种估计如下，先用分段多项式逼近ｇ，然后用最小二乘法估计β，「１」得到估计量β的渐近正态性。因其渐近分布中含有未知参数，不能直接用于检验问题。     

�����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.     

部分线性模型序列相关的经验似然比检验

本文研究了部分线性回归模型中误差的序列相关性的检验问题,用经验似然的方法构造检验统计量,得到了零假设下检验统计量的渐近分布,我们的检验方法不但可以检验一阶序列相关,也可以检验高阶序列相关,数值模拟表明检验方法有好的检验功效．     

对北京市年需水量预测模型的研究

水资源的供给问题是每个城市都要面临的一项必须且复杂的基础建设任务。对城市需水量的预测直接关系到一个城市供水系统的建设规模与安全运行,是实现科学调度的必要前提。本文通过对北京市2001-2014年需水量及其影响因素相关数据的分析,分别建立了普通线性回归及偏最小二乘线性回归预测模型。通过对模型的比较分析及仿真模拟预测计算,发现偏最小二乘线性回归预测模型不仅易于解释,更适合做外推预测,具有较强的应用价值。     

部分线性模型序列相关的经验似然诊断

本文研究了部分线性回归模型中误差的序列相关性的检验问题,得到了一种全新的经验似然诊断方法,导出了经验似然的非参数的Will's定理,数值模拟表明检验方法有很好的检验功效．     

多指标可加模型及在医疗费用预测中的应用

对医疗费用的建模分析与合理预测是医疗保险费用厘定的基础与根本.医疗费用中的高维附加信息在长期预测中具有重要作用.然而,传统的统计建模方法不适用于处理高维纵向数据下的医疗费用.本文提出部分线性多指标可加模型,对具有高维特征的纵向医疗费用数据进行拟合与预测,并且使用两种不同的降维估计方法进行模型估计,并将该模型应用于一组含...     

Partial functional linear quantile regression

This paper studies estimation in partial functional linear quantile regression in which the dependent variable is related to both a vector of finite length and a function-valued random variable as predictor variables. The slope function is estimated by the functional principal component basis. The asymptotic distribution of the estimator of the vector of slope parameters is derived and the global convergence rate of the quantile estimator of unknown slope function is established under suitable norm. It is showed that this rate is optimal in a minimax sense under some smoothness assumptions on the covariance kernel of the covariate and the slope function. The convergence rate of the mean squared prediction error for the proposed estimators is also be established. Finite sample properties of our procedures are studied through Monte Carlo simulations. A real data example about Berkeley growth data is used to illustrate our proposed methodology.     

Robust Estimation in Partial Linear Mixed Model for Longitudinal Data

In this article, robust generalized estimating equation for the analysis of partial linear mixed model for longitudinal data is used. The authors approximate the nonparametric function by a regression spline. Under some regular conditions, the asymptotic properties of the estimators are obtained. To avoid the computation of high-dimensional integral, a robust Monte Carlo Newton-Raphson algorithm is used. Some simulations are carried out to study the performance of the proposed robust estimators. In addition, the authors also study the robustness and the efficiency of the proposed estimators by simulation. Finally, two real longitudinal data sets are analyzed.     

Asymptotics of Huber-Dutter Estimators for Partial Linear Model with Nonstochastic Designs

For partial linear model Y=X~τβ_0 _(g0)(T) εwith unknown β_0∈R~d and an unknown smooth function go, this paper considers the Huber-Dutter estimators of β_0, scale σfor the errors and the function go respectively, in which the smoothing B-spline function is used. Under some regular conditions, it is shown that the Huber-Dutter estimators of β_0 and σare asymptotically normal with convergence rate n~((-1)/2) and the B-spline Huber-Dutter estimator of go achieves the optimal convergence rate in nonparametric regression. A simulation study demonstrates that the Huber-Dutter estimator of β_0 is competitive with its M-estimator without scale parameter and the ordinary least square estimator. An example is presented after the simulation study.