因变量缺失下部分线性变系数模型的稳健估计

本文讨论因变量缺失下部分线性变系数模型在误差项和解释变量都含有异常点时的稳健估计问题。首先用局部加权线性光滑方法得到非参数部分的稳健估计,然后再得到参数部分的估计,并证明参数和非参数估计量的渐近正态性。最后模拟研究有限样本下估计量的表现。     

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.     

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.     

部分线性变系数模型改进的加权混合Profile-Liu估计

研究半参数部分线性变系数模型的有偏估计,当回归模型参数部分自变量存在多重共线性时,在随机线性约束条件下,融合Profile最小二乘估计、加权混合估计和Liu估计构造回归模型参数分量改进的加权混合Profile-Liu估计,并在一定正则条件下证明估计量的渐近性质,最后利用蒙特卡洛数值模拟验证所提出估计量的有限样本表现性.     

变系数部分线性模型的加权随机约束s-K估计

研究随机约束条件下半参数变系数部分线性模型的参数估计问题,当回归模型线性部分变量存在多重共线性时,基于Profile最小二乘方法、s-K估计和加权混合估计构造参数向量的加权随机约束s-K估计,并在均方误差矩阵准则下给出新估计量优于s-K估计和加权混合估计的充要条件,最后通过蒙特卡洛数值模拟验证所提出估计量的有限样本性质.     

缺失数据下半参数变系数部分线性模型的统计推断

该文研究协变量随机缺失下半参数变系数部分线性模型的统计推断.利用逆概率加权最小二乘方法给出了模型中参数分量和非参数分量的估计,并证明了它们的渐近正态性.另外该文又提出了一个逆概率加权经验对数似然比统计量,并证明该统计量服从标准χ~2分布,从而构造了模型中参数分量的经验似然置信域.最后通过模拟研究和实例分析说明该文提出的方法具有较好的有限样本性质.     

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.     

部分线性变系数模型的随机约束岭估计

作为变系数模型和部分线性模型的推广,部分线性变系数模型近年来得到越来越多的关注.本文考虑该模型在线性部分自变量存在多重共线性并且参数分量附加有随机约束条件时的估计问题.基于profile最小二乘技术以及岭估计和混合估计方法,构造参数分量的profile混合岭估计,并且研究所提估计量的渐近性质.最后利用数值模拟验证所提估计方法的有效性.     

因变量缺失下线性变量含误差模型的估计

主要考虑线性模型在自变量测量含误差以及因变量缺失情况下的估计问题.对于模型中的回归系数,我们基于最小二乘方法提出了两类估计,其中一类估计只由完整观测数据构成,而另外一类估计利用的则是利用简单插补方法构造的完整数据.证明了这两类估计是渐近正态性的.     

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.     

缺失数据下部分非线性变系数EV模型的统计推断

该文研究了响应变量缺失下半参数部分非线性变系数EV模型的统计推断问题,利用逆概率加权局部纠偏profile最小二乘法构造了模型中非参数分量和参数分量的估计,证明了估计量的渐近正态性.通过数值模拟和实际数据分析,验证了所提出的估计方法是有效的.     

部分线性变系数模型的Profile Lagrange乘子检验

对于部分线性变系数模型附有约束条件时的估计与检验问题,基于Profile最小二乘方法给出了参数部分以及非参数部分的约束估计并研究了它们的渐近性质,并针对约束条件构造了Profile Lagrange乘子检验统计量,证明了该统计量在原假设下的渐近分布为χ2分布,从而将Lagrange乘子检验方法推广到了半参数模型上.     

删失数据下的半参数变系数部分线性回归模型

为了分析删失数据,该文考虑变系数部分线性模型,此模型允许协变量对响应变量存在非线性影响.响应变量与协变量之间关系的统计模型通过线性结构来拟合是非常重要而且有益.对于删失数据,常用的统计方法不能直接应用于此模型.该文首先提出一类数据变换用以建立无偏条件期望.然后利用profile最小二乘方法,给出了模型中参数分量和非参数分量的profile最小二乘估计,并建立了这些估计的渐近正态性.最后通过数值例子来说明该文所提出的方法的有效性.     

部分线性模型非参数分量的线性关系检验

对于部分线性模型中非参数部分是否为某一特定阶数(记为p)的多项式函数的检验问题,本文基于非参数函数在各点的p阶导函数估计值的样本方差构造了一个简单的检验统计量.给出了计算检验p-值的三阶矩χ2逼近方法.最后通过数值模拟验证了我们所提检验方法的有效性.     

Influence Diagnostics in Partially Varying-Coefficient Models

When a real-world data set is fitted to a specific type of models,it is often encountered that oneor a set of observations have undue influence on the model fitting,which may lead to misleading conclusions.Therefore,it is necessary for data analysts to identify these influential observations and assess their impacton various aspects of model fitting.In this paper,one type of modified Cook's distances is defined to gaugethe influence of one or a set observations on the estimate of the constant coefficient part in partially varying-coefficient models,and the Cook's distances are expressed as functions of the corresponding residuals andleverages.Meanwhile,a bootstrap procedure is suggested to derive the reference values for the proposed Cook'sdistances.Some simulations are conducted,and a real-world data set is further analyzed to examine theperformance of the proposed method.The experimental results are satisfactory.     

基于纵向数据的半参数变系数部分线性回归模型

纵向数据是数理统计研究中的复杂数据类型之一0,在生物、医学和经济学中具有广泛的应用．在实际中经常需要对纵向数据进行统计分析和建模．文章讨论了纵向数据下的半参数变系数部分线性回归模型,这里的纵向数据的在纵向观察在时间上可以是不均等的,也可看成是按某一随机过程来发生．所研究的半参数变系数模型包括了许多半参数模型,比如部分线性模型和变系数模型等．利用计数过程理论和局部线性回归方法,对于纵向数据下半参数变系数进行了统计推断,给出了参数分量和非参数分量的profile最小二乘估计,研究了这些估计的渐近性质,获得这些估计的相合性和渐近正态性．     

半参数变系数异方差部分线性模型下的经验似然

Consider the semiparametric varying-coefficient heteroscedastic partially linear model Y i = Xτiβ + Zτiα(Ti) + σiei,1 ≤ i ≤ n,where σ 2 i = f(Ui),β is a p × 1 column vector of unknown parameter,(Xi,Zi,Ti,Ui) are random design points,Y i are the response variables,α(·) is a q-dimensional vector of unknown functions,e i are random errors.For both cases that f(·) is known and unknown,we propose the empirical log-likelihood ratio statistics for the parameter β.For each case,a nonparametric version of Wilks’ theorem is derived.The results are then used to construct confidence regions of the parameter.Simulation studies are carried out to assess the performance of the empirical likelihood method.     

纵向数据下非参数带测量误差的部分线性变系数模型的估计

本文研究纵向数据下非参数部分带有测量误差的部分线性变系数模型的估计.利用B样条函数近似模型中的变系数函数,构造偏差修正的二次推断函数,得到模型中未知参数和变系数函数的估计.证明变系数函数估计量的相合性和参数估计量的渐近正态性.数值模拟和实例分析结果表明所提估计方法在有限样本下的有效性.