基于偏正态数据下位置、均值回归模型的参数估计

偏正态分布是正态分布的扩展,它不仅具有正态分布的性质也有偏态分布的性质,在实际应用中比正态分布适用性更广泛.本文扩展了偏正态数据下的位置、均值回归模型,讨论了偏正态数据下位置、均值回归模型的参数估计,本文使用的偏正态分布是Sahu等(2003)提出的偏正态分布,相较于Azzalini(1986)提出的偏正态分布,其对于...     

基于偏Laplace正态数据下位置、均值回归模型的参数估计

参数估计是一种基本的统计推断形式,也是统计学的一个重要分支.在分析偏态数据时,我们比较关注数据的众数、中位数和均值,但是偏Laplace正态数据的众数和中位数难以精确求出,因此用位置参数来近似代替.故本文提出偏Laplace正态数据下位置和均值回归模型,并研究该模型的参数估计,模拟和实例研究结果表明本文提出的模型和方法是科学合理的.     

纵向数据下半参数回归模型估计的收敛速度

考虑纵向数据下半参数回归模型:yij=x′ijβ+g(tij)+eij,i=1,…,n,j=1,…,mi.基于最小二乘法和一般的非参数权函数方法给出了模型中参数β和回归函数g(·)的估计,并在适当条件下证明了参数分量β的估计量的强收敛速度和未知函数g(·)的估计量的一致强收敛速度.     

基于分位点自回归模型的动态持续期风险估计

两笔交易之间的持续期可以用来度量资产的流动性,本文借鉴VaR的思想,提出了持续期风险DaR的定义,可以用来度量资产的流动性风险,并给出了两种DaR的静态估计方法。同时根据持续期数据的序列相关的特点,应用分位点自回归方法得到了DaR的一种有效的动态估计方法。最后对我国股票市场的单只股票的分笔交易数据进行了实证分析,结果表明由分位点自回归方法得出的DaR结果预测效果最好。     

纵向数据半参数回归模型的最小二乘局部线性估计

本文考虑纵向数据半参数回归模型:Yij=XiTjβ+g(Tij)+iεj,基于最小二乘法和局部线性拟合的方法建立了模型中参数分量β,回归函数g(.)和误差方差σ2的估计,在适当条件下给出了估计量的相合性,通过模拟研究说明了该方法在有限样本情况下具有良好的性质。     

测量误差数据下偏正态众数回归模型的参数估计

现有对回归模型的研究大多仅限于直接观测的解释变量,忽略数据的测量误差将增加模型参数的估计偏差.目前关于测量误差模型的研究主要集中在回归误差服从正态分布的假设,这种假设不适用于研究非对称的数据.对于偏斜数据,众数的代表性优于均值和中位数.本文基于测量误差数据介绍了偏正态众数回归模型,并通过EM算法估计了模型的参数.模拟研究的结果表明,协变量带测量误差下的众数回归比均值回归有更好的表现.通过实例分析进一步表明了所提出模型和方法的有效性.     

纵向数据半参数Beta回归模型的影响分析

本将随机效应当作是缺失数据,基于Q函数和EM算法并利用P-样条拟合非参数部分,得到了纵向数据半参数Beta回归模型估计方法.基于数据删除模型,我们得到了模型参数部分的广义Cook距离以及非参数部分的广义DFIT.此外,本文还研究了在四种不同扰动情形下模型的局部影响分析,得到了相应的影响矩阵.最后,我们通过两个数值实例验证了所得诊断统计量的有效性.     

基于删失数据的一般回归模型的参数估计

本文考虑基于删失数据的一般回归模型回归系数的方向估计，结合非参数回归和最小一乘方法构造了模型方向的估计，在较为一般的条件下证明了估计量的相合性．     

纵向数据下混合效应EV模型中参数估计的渐近性质

考虑纵向数据下混合效应EV模型。对带有惩罚项的Profile广义最小二乘方法进行了修正。利用矩估计法和ML-based EM算法给出了固定效应,随机效应以及协方差阵的估计。在一般的条件下,给出了固定效应估计的强相合性和渐近正态性,并对所提出的各种估计进行了模拟研究。模拟效果不错。     

外部压力对学生的数学及科学成绩效应的纵向研究 ——- 非参数分位回归方法

过去, 许多研究主要集中在学生的经济背景与心理因素对其成绩的影响方面. 然而, 很少注意到外部压力对学生成绩的影响, 诸如来自家长与同学方面的压力. 本文重点放在这一有趣而且很重要的主题上, 利用非参数分位回归中的``双核'法对美国青年人进行了深入地纵向研究, 得到了几个很有趣的发现. 这些研究的方法、结果不光对学生家长有用, 而且对教育政策制定者与咨询者也有所裨益.     

失混合效应模型的分位回归及变量选择

纵向数据常常用正态混合效应模型进行分析.然而,违背正态性的假定往往会导致无效的推断.与传统的均值回归相比较,分位回归可以给出响应变量条件分布的完整刻画,对于非正态误差分布也可以给稳健的估计结果．本文主要考虑右删失响应下纵向混合效应模型的分位回归估计和变量选择问题．首先,逆删失概率加权方法被用来得到模型的参数估计．其次,结合逆删失概率加权和LASSO惩罚变量选择方法考虑了模型的变量选择问题.蒙特卡洛模拟显示所提方法要比直接删除删失数据的估计方法更具优势．最后,分析了一组艾滋病数据集来展示所提方法的实际应用效果．     

���й̶�ЧӦ�İ�����������ģ�͵Ļع���������

In this paper, we study the asymptotic behavior of the B-spline estimator for semiparametric panel data model with fixed effects.We give explicit expression for the asymptotic bias of B-spline estimator for nonparametric function m. Our study shows that the asymptotic bias of the B-spline estimator does not depend on the working correlation matrix. Simulations are conducted to demonstrate our conclusion.     

�������������Է�λ���ع�ģ�͵Ĺ��߱�������

We extend the instrumental variable method for the mean regression models to linear quantile regression models with errors-in-variables. The proposed estimator is consistent and asymptotically normally distributed under some fairly general conditions. Moreover, this approach is practical and easy to implement. Simulation studies show that the finite sample performance of the estimator is satisfactory. The method is applied to a real data study of education and wages.     

面板数据分位回归中适应性LASSO调节参数的选择

在带有罚函数的变量选择中,调节参数的选择是一个关键性问题,但遗憾的是,在大多数文献中,调节参数选择的方法较为模糊,多凭经验,缺乏系统的理论方法.本文基于含随机效应的面板数据模型,提出分位回归中适应性LASSO调节参数的选择标准惩罚交叉验证准则(PCV),并讨论比较了该准则与其他选择调节参数的准则的效果.通过对不同分位点进行模拟,我们发现当残差E来自尖峰分布和厚尾分布时,该准则能更好地估计模型参数,尤其对于高分位点和低分位点而言.选取其他分位点时,PCV的效果虽稍逊色于Schwarz信息准则,但明显优于A1kaike 信息准则和交叉验证准则.且在选择变量的准确性方面,该准则比Schwarz信息准则、Akaike信息准则等更加有效.文章最后对我国各地区多个宏观经济指标的面板数据进行建模分析,展示了惩罚交叉验证准则的性能,得到了在不同分位点处宏观经济指标之间的回归关系.     

缺失数据下线性模型中回归参数的经验似然置信区域

在缺失样本下,构造了线性模型中参数的调整的经验似然置信域,数值模拟表明调整的经验似然置信域有较好的覆盖率和精度.     

Estimation and Bootstrap with Censored Data in Fixed Design Nonparametric Regression

We study Beran's extension of the Kaplan-Meier estimator for thesituation of right censored observations at fixed covariate values. Thisestimator for the conditional distribution function at a given value of thecovariate involves smoothing with Gasser-Müller weights. We establishan almost sure asymptotic representation which provides a key tool forobtaining central limit results. To avoid complicated estimation ofasymptotic bias and variance parameters, we propose a resampling methodwhich takes the covariate information into account. An asymptoticrepresentation for the bootstrapped estimator is proved and the strongconsistency of the bootstrap approximation to the conditional distributionfunction is obtained.     

非线性纵向数据模型中自相关性和随机效应的存在性检验

刻画纵向数据协方差结构有三种可能因素 ,即序列相关 (特别是一阶自相关 )、随机效应和常规的随机误差 (Diggleetal,2 0 0 2 ) .本文研究非线性纵向数据模型的自相关性和随机效应存在性的单个和联合检验 ,得到了检验的score统计量 ,并利用血浆药物渗透数据 (Davidian&Gilinan ,1 995)说明检验方法的应用 .     

Nonparametric Estimation of Regression Functions in Point Process Models

We prove that the empirical L ²-risk minimizing estimator over some general type of sieve classes is universally, strongly consistent for the regression function in a class of point process models of Poissonian type (random sampling processes). The universal consistency result needs weak assumptions on the underlying distributions and regression functions. It applies in particular to neural net classes and to radial basis function nets. For the estimation of the intensity functions of a Poisson process a similar technique yields consistency of the sieved maximum likelihood estimator for some general sieve classes. This revised version was published online in August 2006 with corrections to the Cover Date.     

Detecting Change Points in Polynomial Regression Models with an Application to Cable Data Sets

In this paper, the Schwarz Information Criterion (SIC) is used to detect the change points in polynomial regression models. Switching quadratic regression models with same amount of model deviation and switching polynomial regression models with different amount of model deviation for different segments of regression are considered. The number of separate regimes and their corresponding regression orders are assume to be known. The method is then applied to cable data sets and the change points are successfully detected.