线性测量误差模型的平均估计

频率模型平均估计近年来受到了较大的关注,但对有测量误差的观测数据尚未见到任何研究.文章主要考虑了线性测量误差模型的平均估计问题,导出了模型平均估计的渐近分布,基于Hjort和Claeskens(2003)的思想构造了一个覆盖真实参数的概率趋于预定水平的置信区间,并证明了该置信区间与基于全模型正态逼近所构造的置信区间的渐近等价性.模拟结果表明当协变量存在测量误差时,模型平均估计能明显增加点估计的效率.     

协变量含误差下广义线性模型的SEE变量选择

利用一些辅助信息作为工具变量并结合光滑门限估计方程(SEE)方法,针对协变量含有测量误差广义线性模型提出一个工具变量类型的变量选择方法.该方法可以在估计模型中非零回归系数的同时,剔除模型中不显著的协变量,从而达到变量选择的目的.另外,该变量选择过程不需要求解任何凸优化问题,从而具有较强的适应性并且在实际应用比较容易计算.理论证明该变量选择方法是相合的,并且对非零回归系数的估计达到了最优的参数收敛速度.数值模拟结果表明所提出的变量选择方法可以有效地消除测量误差对估计精度的影响,并且具有较好的有限样本性质.     

测量误差模型的自适应LASSO变量选择方法研究

本文研究测量误差模型的自适应LASSO(least absolute shrinkage and selection operator)变量选择和系数估计问题.首先分别给出协变量有测量误差时的线性模型和部分线性模型自适应LASSO参数估计量,在一些正则条件下研究估计量的渐近性质,并且证明选择合适的调整参数,自适应LASSO参数估计量具有oracle性质.其次讨论估计的实现算法及惩罚参数和光滑参数的选择问题.最后通过模拟和一个实际数据分析研究了自适应LASSO变量选择方法的表现,结果表明,变量选择和参数估计效果良好.     

响应变量删失情况下线性模型的FIC模型选择和模型平均

本文给出了响应变量随机右删失情况下线性模型的FIC (focused information criterion) 模型选择方法和光滑FIC 模型平均估计方法, 证明了兴趣参数的FIC 模型选择估计和光滑FIC 模型平均估计的渐近正态性, 通过随机模拟研究了估计的有限样本性质, 模拟结果显示, 从均方误差和一定置信水平置信区间的经验覆盖概率看, 兴趣参数的光滑FIC 模型平均估计均优于FIC, AIC (Akaikeinformation criterion) 和BIC (Bayesian information citerion) 等模型选择估计; 而FIC 模型选择估计与AIC 和BIC 等模型选择估计相比, 也表现出了一定的优越性. 通过分析原发性胆汁性肝硬化数据集, 说明了本文方法在实际问题中的应用.     

含测量误差的复合分位数回归的SIMEX估计

考虑含测量误差的线性回归模型,采用模拟外推(SIMEX)方法并结合复合分位数回归构造了回归系数的估计.所得回归系数估计不仅消除了测量误差对估计造成的偏差,而且保留了复合分位数回归估计的优点.在一些正则条件下,证明了估计的渐近性质.模拟研究了所提出方法的有限样本性质,并进行了实例分析.     

部分线性测量误差模型的模拟—推断估计

该文研究了部分线性测量误差模型,即无法直接观测非参数部分协变量,只能得到其替代变量的模型.利用局部线性估计并结合模拟-推断的方法(SIMEX)得到参数及非参数的估计,并在适当的条件下,得到了所提估计量的渐近偏差及方差.将该文提出的模拟-推断方法与Liang(2000)的估计方法比较,表明模拟-推断法在处理测量误差问题上的有效性.值得一提的是,模拟-推断方法不需要对非参数部分协变量的分布提出假设.     

��Ԫ���ṹBerkson�������ģ�͵ķ���

Berkson测量误差模型在工业、农业、流行病学、经济学 等领域有广泛的应用. 本文考虑了一类多元超结构Berkson测量误差模型, 给出了该模型中参数的相合估计, 推导了估计的渐近分布, 并把该方法应用到一元超结构Berkson测量误差模型中, 最后给出了模拟结果和实例分析来说明本文所提出的估计方法的表现.     

测量误差模型中方差的一个非负估计及其性质

本文研究了测量误差模型中方差的估计问题.利用非负定的估计阵取其正部的方法,得到了测量误差模型中方差的一个非负估计.这个估计是渐近无偏的,有强相合性和渐近正态性.     

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.     

纵向数据部分线性测量误差模型的二次推断函数估计

基于纵向数据部分线性测量误差模型, 研究了模型中兴趣参数部分回归系数的估计问题. 首先采用B样条方法逼近模型中的非参数函数, 然后提出修正的二次推断函数(QIF)方法对模型中参数部分的回归系数进行估计, 所提方法可以提高估计的效率. 在一定的正则条件下, 证明了所得到的估计量具有相合性和渐近正态性. 最后, 通过模拟研究和实例分析验证了所提出估计方法的有限大样本性质.     

半参数变系数部分线性模型的统计推断

本文在多种复杂数据下, 研究一类半参数变系数部分线性模型的统计推断理论和方法. 首先在纵向数据和测量误差数据等复杂数据下, 研究半参数变系数部分线性模型的经验似然推断问题, 分别提出分组的和纠偏的经验似然方法. 该方法可以有效地处理纵向数据的组内相关性给构造经验似然比函数所带来的困难. 其次在测量误差数据和缺失数据等复杂数据下, 研究模型的变量选择问题, 分别提出一个“纠偏” 的和基于借补值的变量选择方法. 该变量选择方法可以同时选择参数分量及非参数分量中的重要变量, 并且变量选择与回归系数的估计同时进行. 通过选择适当的惩罚参数, 证明该变量选择方法可以相合地识别出真实模型, 并且所得的正则估计具有oracle 性质.     

大规模数据下子抽样模型平均估计理论

随着信息时代的来临,如何从海量数据中快速、有效地挖掘有用信息是目前面临的新挑战.子抽样方法作为大规模数据分析的有效工具,已经受到国内外学者的广泛关注.不过,传统的子抽样方法通常没有考虑到模型的不确定性.当模型假设不正确时,后面的统计推断将会出现偏差,甚至导致错误的结论.为了解决该问题,文章利用频率模型平均的方法构建了子抽样模型平均估计(简称SSMA估计).理论上,文章证明了SSMA估计是全部数据下模型平均估计的一个渐近无偏且相合的估计.另外,我们基于Hansen (2007)的Mallows模型平均方法提出了SSMA估计的权重选择准则,并证明了方差已知和未知时权重估计的渐近最优性.在这些理论性质的研究中,文章同时考虑了模型和抽样设计带来的双重随机性.最后,数值分析进一步说明了所提出方法的有效性.     

纵向数据下变系数测量误差模型的渐近估计

本文主要研究纵向数据下变系数测量误差模型的估计问题.利用B样条方法逼近模型中未知的变系数,构造关于B样条系数的二次推断函数来处理未知的个体内相关和测量误差,得到变系数的二次推断函数估计,建立估计方法和结果的渐近性质.数值模拟结果显示本文提出的估计方法具有一定的实用价值.     

带有约束的部分线性变系数EV模型的偏差纠正统计推断

本文研究参数和非参数部分均带有测量误差(EV)的部分线性变系数模型的约束统计推断,综合profile最小二乘估计方法和局部纠偏方法给出模型中未知参数和系数函数的两种约束估计,并在适当条件下证明它们的渐近性质.最后通过数值模拟研究所提估计方法在有限样本下的实际表现.     

含方程误差的异方差重复测量误差模型参数估计

对于含测量误差的重复测量数据,协变量与响应变量真值之间可能不存在完全匹配关系,即存在方程误差.且变量真值的测量误差方差可能与样本的某种特征有关,即存在异方差性.以此类数据为驱动,讨论了含方程误差的异方差重复测量误差模型的建模和估计问题,基于EM算法给出了模型参数的显式极大似然迭代估计.最后通过模拟计算和实例分析,讨论了模型和估计方法的有效性.     

单变量空间自回归测量误差模型的参数估计

本文在经典的空间自回归模型中引入测量误差,从只有一个自变量入手,构建单变量空间自回归测量误差模型,探讨自变量存在的测量误差对空间自回归模型的影响,建立单变量空间自回归测量误差模型的参数估计方法和算法,通过数值模拟验证估计方法的可行性和可靠性.     

因变量缺失下变系数部分线性测量误差模型的变量选择

主要研究因变量存在缺失且协变量部分包含测量误差情形下,如何对变系数部分线性模型同时进行参数估计和变量选择.我们利用插补方法来处理缺失数据,并结合修正的profile最小二乘估计和SCAD惩罚对参数进行估计和变量选择.并且证明所得的估计具有渐近正态性和Oracle性质.通过数值模拟进一步研究所得估计的有限样本性质.     

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.     

变系数测量误差模型的B-样条估计(英文)

本文考虑变系数测量误差模型的估计问题,得到该模型变系数函数修正的最小二乘B-样条估计,同时得到非参数函数估计的最优收敛速度.模拟结果表明该方法是有效的.     

测量误差为Laplace分布的非线性统计推断

当p-维参数θ通过矩条件Em(X,θ)=0定义,且X带有Laplace测量误差时,即我们只能观测到Z=X+U,文献中提出了一种基于无条件期望关系Em(X,θ)=EH(Z,θ)的估计方法,其中H为某个形式已知的函数.然而该方法仅适用于U的各分量服从Laplace分布且相互独立的情况.文章将介绍一种一般的多元Laplace分布,并将基于无条件期望的估计方法推广到具有这种多元Laplace分布的测量误差模型中.另外,基于无条件期望关系的估计方法对一些统计推断问题并不适用.文章将构造一种基于条件期望E[m(X,θ)|Z]的估计方法.当X为一维时,我们对这些估计的大样本性质进行了讨论.