偏正态数据下众数混合专家回归模型的参数估计

混合专家模型是对异质总体数据进行回归、分类和聚类的异构性建模的流行框架.研究基于偏正态分布,提出了众数混合专家回归模型,该模型既对混合偏态数据分类后进行众数建模,同时又对混合比例建模,相比单纯的众数回归模型具有更大的适应性,可以概括和描述众多的实际问题.采用了一种有效的模式识别聚类方法来选择子聚类的数量.分别应用MM算...     

基于众数回归的变系数部分线性工具变量模型的稳健估计

基于众数回归,利用工具变量研究含有内生变量的变系数部分线性模型的稳健估计.首先,引入工具变量对内生协变量进行分解,从而得到内生协变量的一致估计;其次,运用B样条基函数近似模型中的非参数部分,将模型简化;进一步,基于众数回归的思想,结合EM算法得到参数和非参数函数的估计.在一定条件下,证明估计量的大样本性质;最后,利用模拟实验和真实实例验证所提方法的有效性.     

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.     

偏正态数据下众数回归模型的参数估计及应用

本文针对金融、经济、社会科学、环境科学、工程技术和生物医学等研究领域存在的不对称数据,提出偏正态数据下众数回归模型,基于牛顿-拉弗森迭代利用EM算法来估计未知参数。通过Monte Carlo模拟和BMI数据实例分析验证,表明本文所提出方法的有效性,对于偏正态数据众数回归模型的估计效果优于均值回归模型。     

带缺失数据的偏正态众数回归模型的参数估计

针对现实生活中大量数据存在偏斜的情况,构建偏正态数据下的众数回归模型.又加之数据的缺失常有发生,采用插补方法处理缺失数据集,为比较插补效果,考虑对响应变量随机缺失情形进行统计推断研究.利用高斯牛顿迭代法给出众数回归模型参数的极大似然估计,比较该模型在均值插补,回归插补,众数插补三种插补条件下的插补效果.随机模拟和实例分...     

偏正态数据下众数回归模型的统计诊断

为了更好地拟合偏态数据,充分提取偏态数据的信息,针对偏正态数据建立了众数回归模型,并基于Pena距离统计量对众数回归模型进行统计断研究,得到了众数回归模型的Pena距离表达式以及高杠杆异常点的诊断方法.利用EM算法与梯度下降法给出了众数回归模型参数的极大似然估计,根据数据删除模型计算似然距离、Cook距离和Pena距离统计量,绘制诊断统计图.通过Monte Carlo模拟试验和实例分析比较,说明文章提出的方法行之有效,并在一定条件下Pena距离对异常点或强影响点的诊断优于似然距离和Cook距离.     

基于众数回归的变系数部分非线性模型的稳健估计

针对变系数部分非线性模型,提出了一种稳健的基于众数回归的两阶段估计方法.首先,基于B-样条函数近似系数函数,利用QR正交分解技术构造了非线性模型,得到了参数的非线性最小二乘估计.其次,提出了变系数函数的众数回归估计量.在一定条件下,证明了估计量的渐近性质.通过数值模拟和实际数据分析,说明了所提估计方法的有效性.     

缺失数据下基于众数回归的变系数部分非线性模型的估计

针对响应变量随机缺失的变系数部分非线性模型,提出了一种稳健的基于众数回归的估计方法.采取逆概率加权方法,利用QR正交分解技术,分别得到了未知参数和变系数函数的众数回归估计量.在一定条件下,证明了估计量的渐近性质.通过数值模拟和实际数据分析,说明了所提估计方法的有效性.     

线性回归系统两步协方差改进估计的优良性

对于ｍ个相依回归方程组成的线性回归系统。本文研究了两步协方差改进估计在均方误差阵意义下的优良性，即在随机误差服从正态分布的假设下，当样本量充分大时，两步协方差改进估计与协方差改进估计一样好。     

众数自适应Lasso回归的统计推断

本文给出了自适应Lasso的众数回归模型,用来对众数回归模型的变量进行选择.对比传统的均值回归模型和中位数回归模型,众数回归在解决重尾、多峰分布问题时更加稳健.众数回归模型的主要估计方法是核估计方法,当自变量的数目较大时,该方法会产生难以忽略的计算误差.本文在核估计方法的众数回归模型基础上添加惩罚项,并通过自适应Lasso方法进行参数估计,有效的剔除了贡献率低的自变量,同时提高了计算的准确性.本文详细阐述了该计算方法,并在一些正则条件下,给出了模型的参数的估计方法和估计值的渐近正态性.模拟实验和实证分析研究了所提方法在有限样本下的性质.对比均值回归模型和传统的众数回归模型,添加自适应Lasso惩罚项的众数回归模型极大地提高了参数估计的准确性.     

Local linear regression for data with AR errors

In many statistical applications, data are collected over time, and they are likely correlated. In this paper, we investigate how to incorporate the correlation information into the local linear regression. Under the assumption that the error process is an auto-regressive process, a new estimation procedure is proposed for the nonparametric regression by using local linear regression method and the profile least squares techniques. We further propose the SCAD penalized profile least squares method to determine the order of auto-regressive process. Extensive Monte Carlo simulation studies are conducted to examine the finite sample performance of the proposed procedure, and to compare the performance of the proposed procedures with the existing one. From our empirical studies, the newly proposed procedures can dramatically improve the accuracy of naive local linear regression with working-independent error structure. We illustrate the proposed methodology by an analysis of real data set.     

基于半参数回归模型的最小一乘局部线性算法

根据最小一乘准则,推导出最小一乘局部线性估计的计算方法,并通过对模拟数据的计算和分析,对比最小一乘核算法和最小二乘局部线性算法,验证了最小一乘局部线性算法是一种有效的,稳健的估计方法,并且有降低边界效应的作用．     

混合误差半参数回归模型估计的相合性

研究了误差为ψ混合和ψ混合序列的半参数回归模型,综合最小二乘法和非参数权函数估计方法,分别定义了待估参数β和未知函数夕的估计量βm,n和9m,n(χ).利用混合序列的矩不等式及凸函数的性质,在较弱的条件下证明了这些估计量的强相合性与矩相合性,这些结果推广了已有的相应的研究结果.     

On the accuracy of empirical likelihood confidence regions for linear regression model

The coverage errors of the empirical likelihood confidence regions for in a linear regression model,Y _i=x _i+ _i , 1in, are of ordern ^–1. Bartlett corrections may be employed to reduce the order of magnitude of the coverage errors ton ^–2. For practical implementation of Bartlett correction, an empirical Bartlett correction is given.     

误差为线性过程时回归模型的估计问题

对一类非线性回归模型及线性模型，在误差是一个弱平稳线性过程及适当的条件下，获得了估计量的r-阶平均相合性、完全相合性和渐近正态性。     

On resampling techniques for regression models

Resampling techniques like the bootstrap are examined for functions of the parameters of a linear model. A weighted resampling method analogous to the weighted jackknife developed by Hinkley (1977) is proposed for regression models.     

Asymptotic Behavior of Bandwidth Selected by the Cross-Validation Method for Local Polynomial Fitting

In this paper, the asymptotic optimality of the cross validation bandwidth selector for the local polynomial fitting under strongly mixing dependence is obtained. The asymptotic normality of the bandwidth selected by the cross-validation method is derived, which is an extension of W. Härdle, P. Hall, and J. S. Marron (1988, J. Am. Statist. Assoc.83, 86–101).     

变窗宽局部线性回归中的M估计

In this paper, by using the Brouwer fixed point theorem, we consider the existence and uniqueness of the solution for local linear regression with variable window breadth.     

左截断相依数据下非参数回归的局部M 估计

本文对左截断模型, 利用局部多项式的方法构造了非参数回归函数的局部M 估计. 在观察样本为平稳α-混合序列下, 建立了该估计量的强弱相合性以及渐近正态性. 模拟研究显示回归函数的局部M 估计比Nadaraya-Watson 型估计和局部多项式估计更稳健.     

A study over the general formula of regression sum of squares in multiple linear regression

In this study, in addition to the formula of regression sum of squares (SSR) in linear regression, a general formula of SSR in multiple linear regression is given. The derivations of the formula presented are given step by step. This new formula is proposed for estimation of the SSR in multiple linear regression. By using this formula, the researcher can find easily SSR and so the researcher can compose easily the table of variance analysis to interpret the regression made.