基于工具变量的变系数测量误差模型的分位数回归估计

文章考虑协变量含有测量误差的变系数模型,为了消除测量误差的影响,在估计过程中引入工具变量,利用工具变量对含有测量误差的协变量进行校正.为了获得稳健估计,利用分位数回归方法得到不同分位点上系数函数的估计.在一些正则条件下,证明了所提出的估计的渐近正态性.模拟研究比较了Naive估计,基于工具变量校正的分位数回归估计(IVQR)以及基于工具变量校正的最小二乘估计(IVLS),模拟结果表明文章提出的方法优于已有的方法.最后采用文章提出的方法对中国农村居民的金融资产余额的影响因素进行了分析,结果表明住户债务余额系数呈现U型变化,家庭收入系数呈现倒U型变化.     

部分线性变系数模型的新复合分位数回归估计

针对部分线性变系数模型的参数估计问题,提出了一种新复合分位数回归估计方法.利用复合分位数回归法估计参数部分,局部非线性复合分位数回归法估计变系数函数部分,并在若干正则条件下,证明了常系数和变系数函数估计量具有较好的渐近正态性质.通过随机模拟和实例分析,验证了所提估计方法在有限样本下的良好表现,有效的证明了所提方法的优越...     

基于函数型数据的系数正则化回归的收敛速度

本文研究了基于函数型输入和₁-正则化的最小二乘回归问题的推广性能.利用基于Rademacher平均的分析技术,获得了学习速度的估计,推广了已有的欧式空间有限维输入结果.     

奇系数非线性方程组弱解的正则性

我们研究椭圆型方程组-D_a(|x|~(-r)A_i~a(x,u,Du))+B_i(x,u,Du)=0 (1)i=1,2,…,N 的弱解 u 的 L_p 估计与它在原点附近的 C~(0,α)性质。其中,x∈ΩR~n,0∈Ω,Ω有界.n-p_0≤r2.关于(1),当 A_i~α(x,μ,Du)=A(x,u)Du 时,文[1]得到了它的弱解的 L_p 估计与 C~(0,α)正则性,文[4]则进一步研究了它在Ω\{0}内的部分正则性。对(1)的类似的结果,尚未     

间断系数的二阶椭圆型方程解的正则性

该文研究的问题源自于生物学与物理学中具有间断介电系数的静电场。作者以拟微分算子为主要工具讨论具间断系数的半线性二阶椭圆型方程解的存在性和正则性 。     

回归估计样本容量的确定

本文就回归估计量回归系数已知和未知两种情况，给出确定样本容量的方法．     

带间断系数非正则型Riemann边值问题

苏联数学家1972年在苏联高等学校通报上(参看[1])讨论过带间断系数非正则型Riemann边值问题在h_(pq)类的解。她仅讨论了整数阶的情形。对复数阶,她错误肯定不存在h_(pq)类的解。本文在复数阶的情形,得出了比较完善结果。否定了的断言。     

声速及损耗系数的同时反演

引言 本文讨论有损层状介质的反演问题.有损介质的反演问题的研究,即使是一维情形,也未成熟,且无一般提法.G.Kristensson和R.J.Krueger的一系列文章,利用一般的二次双曲型方程,对有限厚度的介质进行反演,用到的响应信息是透射和反射数据,不     

基于函数型数据的系数正则化回归的收敛速度（英文）

本文研究了基于函数型输入和_1-正则化的最小二乘回归问题的推广性能.利用基于Rademacher平均的分析技术,获得了学习速度的估计,推广了已有的欧式空间有限维输入结果.     

基于保序回归估计的最大耐受剂量确定方法

I期临床试验研究的主要目标之一是评估药物在不同剂量水平下的毒性, 并且建议一个对病人既安全又有效的剂量, 即最大耐受剂量(MTD). 本文针对拓展的up-and-down设计, 进一步给出其基于保序回归估计的最大耐受剂量确定方法. 经大量模拟, 结果表明: 基于保序回归估计的最大耐受剂量确定方法对推荐MTD的准确性和精确度, 以及保护病人, 防止病人暴露在较高毒性剂量水平下方面实现了有意义的改善.     

基于周期GARCH过程VaR的分位回归估计

近几年来,风险价值(VaR)已成为金融市场风险度量及风险管理的标准工具.文章用周期广义自回归条件异方差(GARCH)模型拟合金融市场数据,并应用分位回归方法得到此模型参数及条件VaR的估计,在一定条件下估计具有强相合性及渐近正态性,蒙特卡罗模拟结果表明此方法具有稳健性,且对于条件VaR的预测具有很高的准确性,沪深300指数的实证分析结果表明此方法关于VaR的预测具有非常好的效果.     

基于广义回归估计的校准加权设计效应模型研究

校准是最常用的加权调整方法,然而传统加权调整设计效应模型只考虑有差异权数导致的精度损失,忽略使用辅助信息后的精度改进,因此应用于设计效应计算时存在一定的缺陷。本文在Spencer模型的基础上进行拓展,引入反映辅助变量和调查变量相关关系的广义回归估计量,构建了校准加权设计效应的一般模型。数值分析结果显示,校准加权设计效应模型的效果优于传统加权调整设计效应模型;尤其在调查变量与辅助变量高度相关的情形下,校准加权设计效应模型能够准确地估计出不等概率抽样设计和校准调整的综合效率。     

无界抽样情形下不定核的系数正则化回归

本文讨论样本依赖空间中无界抽样情形下最小二乘损失函数的系数正则化问题. 这里的学习准则与之前再生核Hilbert空间的准则有着本质差异: 核除了满足连续性和有界性之外, 不需要再满足对称性和正定性; 正则化子是函数关于样本展开系数的l²-范数; 样本输出是无界的. 上述差异给误差分析增加了额外难度. 本文的目的是在样本输出不满足一致有界的情形下, 通过l²-经验覆盖数给出误差的集中估计(concentration estimates). 通过引入一个恰当的Hilbert空间以及l²-经验覆盖数的技巧, 得到了与假设空间的容量以及与回归函数的正则性有关的较满意的学习速率.     

基于生存数据的半参数变换的删失回归估计

生存数据经过未知的单调变换后等于协变量的线性函数加上随机误差, 随机误差的分布函数已知或是带未知参数的已知函数\bd 本文先给出未知单调变换的一个相合估计, 再对删失数据做变换, 在此基础上给出了协变量系数的最小二乘估计, 并讨论它的大样本性质.     

岭回归估计的向量参数方法

本文提出岭回归估计的向量参数方法,选择均方误差函数的负梯度方向作为参数向量方向,根据均方误差与拟合误差的预期约束条件选择确定参数向量模长.文中获得了两个单调性结论,向量参数岭回归估计的均方误差是参数向量模长的单调减函数,而拟合误差是参数向量模长的单调增函数.基于两类误差的单调性结论,本文创建了关于两类误差的预期约束条件,预期条件约束下的向量参数岭回归方法有望成为兼备均方误差次优与拟合误差适度的双赢估计.文章最后是一个应用实例.     

半参数回归估计的相合条件

设有半参数回归模型ｙｉ＝ｘ’，β＋ｆ（ｔｉ）＋ｅｉ，ｉ＝１，．．．ｎ，其中｛ｔｉ｝为常数列，本文对｛ｘｉ｝为设计点列的情形，给出了β、ｆ（ｔ）有相合估计的条件；在｛ｘｉ｝为随机的情形，建立了ｆ（ｔ）估计的相合性。     

单参数主成分回归估计

对于线性回归模型,本文提出了回归系数的一种单参数主成分估计,证明了它的可容许性、抗干扰性、有效性等主要性质。     

复双球面上变系数奇异积分方程的正则化

利用复双球面上的立体角系数的方法和置换公式,讨论复双球垒域上变系数奇异积分方程的正则化问题,推广了复超球面上变系数奇异积分方程的结论．     

基于协变量缺失的Horvitz-Thompson加权分位回归估计方法

含有协变量缺失的数据缺失问题是现代统计分析中的热点之一.当缺失数据中同时存在厚尾,偏斜和异方差问题时则更加难以处理.为此,本文提出一种逆概率加权分位回归估计来研究响应和协变量之间的关系.与经典估计方法相比具有明显优势,一方面,该估计量使用了所有可用的数据,并且允许缺失的协变量与响应高度相关;另一方面,该估计量在所有分位数水平上满足一致性和渐近正态性.通过模拟验证了该方法的在有限样本下的有效性,进一步将该方法推广到线性多元回归模型和非参数回归模型.     

基于指数Laplace损失函数的回归估计鲁棒超限学习机

实际问题的数据集通常受到各种噪声的影响,超限学习机(extreme learning machine, ELM)对这类数据集进行学习时,表现出预测精度低、预测结果波动大.为了克服该缺陷,采用了能够削弱噪声影响的指数Laplace损失函数.该损失函数是建立在Gauss核函数基础上,具有可微、非凸、有界且能够趋近于Laplace函数的特点.将其引入到超限学习机中,提出了鲁棒超限学习机回归估计(exponential Laplace loss function based robust ELM for regression, ELRELM)模型.利用迭代重赋权算法求解模型的优化问题.在每次迭代中,噪声样本点被赋予较小的权值,能够有效地提高预测精度.真实数据集实验验证了所提出的模型相比较于对比算法具有更优的学习性能和鲁棒性.