删失回归模型中的变量选择

在一个删失回归模型("Tobit"模型)中,我们常常要研究如何选择重要的预报变量.本文提出了基于信息理论准则的两种变量选择程序,并建立了它们的相合性.     

删失数据中删失指标随机缺失下回归函数的非参数估计

本文在删失数据中删失指标随机缺失的情况下,运用非参数方法给出了回归函数的两种估计量,给出了估计量的一致收敛速度以及渐近分布,并进一步通过数值模拟验证了所提方法在有限样本下的性质.     

删失回归模型LAD估计的一些强的性质

删失回归模型是一种因变量受限制的模型, 也称为Tobit模型. 在较弱的条件之下, 给出了回归系数LAD估计的强相合性、强收敛速度及其Bahadur强表示.     

随机删失半参数回归模型小波估计的渐近性质

考虑半参数回归模型Y_i=X_iβ g(T_i) e_i,i=1,2,…,n,β∈R为未知回归参数,g(·)为[0,1]上的未知Borel函数。在完全和右删失数据下,本文利用小波光滑方法并综合最小二乘法,就删失分布已知和未知的情形分别定义了β,g(T)的小波估计(?),(?)(T),在一定条件下,证明了(?)的渐近正态性,同时得到了(?)(T)的最优收敛速度。     

随机删失非参数回归模型的离差度量

主要研究了随机删失非参数固定设计回归模型的离差度量.首先利用随机删失非参数回归模型的性质和生存分布的Kaplan-Meier乘积限估计,将原模型转化为非参数回归模型进行研究;然后对模型作了离差度量分析,得到了模型的离差度量序列;最后通过实例分析,验证了上述诊断方法的有效性.     

随机删失下概率密度核估计的光滑Bootstrap逼近

本文研究随机删失概率密度估计的光ｂｏｏｔｓｔｒａｐ逼近。给出了光滑ｂｏｏｔｓｔｒａｐ逼近成立的充分条件，并证明了概率密度的光滑ｂｏｏｔｓｔｒａｐ估计方差几乎处处收敛到概率密度核估计的渐近方差。     

随机删失数据非线性回归模型的最小一乘估计

研究了随机删失数据非线性回归模型的最小一乘(LAD)估计问题, 证明了LAD估计量的渐近性质, 包括相合性、依概率有界性和渐近正态性等. 模拟结果显示对删失数据回归问题, LAD估计仍比最小二乘估计(LSE)稳健.     

右删失数据下生存函数的随机加权估计

本文利用随机加权思想提出了右删失数据下生存函数的随机加权估计,证明了所给的随机加权估计的强相合性.     

随机删失半参数回归模型中估计的渐近性质

设Y是表示生存时间并遵从下面半参数模型Y=Xβ+g(T)+ε的随机变量,(X,T)是取值于R×[0,1]上的随机变量,β是未知参数,g(·)是[0,1]上的未知回归函数,ε是随机误差。当Y因受某种随机干扰而被随机右删失时,就删失分布未知的情形分别定义了β与g(·)的估计^{^}β_n与^{^}g_n(·),在一定条件下证明了^{^}β_n的渐近正态性,并得到了^{^}g_n(·)的最优收敛速度。     

随机右删失非参数回归模型的影响分析

将随机删失非参数固定设计回归模型转化为非参数回归模型进行研究;然后对此模型作了局部影响分析,得到计算影响矩阵及最大影响曲率方向的简洁公式;最后通过实例分析,验证了分析方法的有效性.     

线性模型中M估计分布的随机加权方法逼近

在线性模型中,M估计的渐近分布通常都涉及到不易估计的未知误差分布的某些量,如果要估计渐近方差,就需对这些冗余参数进行估计.利用随机加权方法可以避免先对误差分布中的冗余参数进行估计.给出了当自变量是随机变量时,M估计分布的随机加权逼近,证明了M估计分布的随机加权逼近是一致相合的.当取不同的凸函数,样本大小和随机权时,进一步利用蒙特卡洛方法研究估计分布.研究表明随机权取泊松权时,不仅达到同样的效果而且可以减小计算量.     

右删失情形下平均生存时间的加权Bootstrap推断

在右删失情形下,基于一类合成数据,采用加权Bootstrap方法获得了平均生存时间的加权Bootstrap估计及其加权Bootstrap分布,并就权重是否独立两种情形,证明了此估计的相合性及此分布近似的有效性.基于此,构造了平均生存时间的置信区间.在数值模拟中,取权为Dirichlet(n;1,…,1),并从覆盖概率和区间长度角度,比较了加权Bootstrap和渐近正态逼近产生的置信区间.     

A Bootstrap Approach to Nonparametric Regression for Right Censored Data

In this paper a two-stage bootstrap method is proposed for nonparametric regression with right censored data. The method is applied to construct confidence intervals and bands for a conditional survival function. Its asymptotic validity is established using counting process techniques and martingale central limit theory. The performance of the bootstrap method is investigated in a Monte Carlo study. An illustration is given using a real data.     

关于截断中值回归模型的经验似然推断

本文采用了Gengsheng和Min(2003)提出的经验似然方法,基于一个新的方程对中值回归模型的参数进行统计推断,数值模拟的结果表明,本文所得到的参数估计结果比Gengsheng和Min(2003)的模拟结果更精确.     

随机损失数据下回归函数核估计的强相合性

在不完全数据下，本文得到了回归函数核估计的强相合性。这里所说的不完全数据是指子样数据按一定的随机律被删除。     

Distribution Approximation of Shrinkage Estimate in Censored Regression Model via Randomly Weighting Method

Acta Mathematicae Applicatae Sinica, English Series - Censored regression (“Tobit”) model is a special case of limited dependent variable regression model, and plays an important role...     

删失数据下的变系数回归模型

研究了删失数据下的变系数回归模型．通过数据变换,利用局部多项式方法,给出了系数函数的局部加权最小二乘估计．证明了该估计的渐近偏差和渐近方差,同时获得了该估计的渐近正态性．     

ɾʧ�ع�ģ����һ��LASSO�ͱ���ѡ��͹��Ʒ���

删失回归模型是一种很重要的模型,它在计量经济学中有着广泛的应用. 然而,它的变量选择问题在现今的参考文献中研究的比较少.本文提出了一个LASSO型变量选择和估计方法,称之为多样化惩罚$L_1$限制方法, 简称为DPLC. 另外,我们给出了非0回归系数估计的大样本渐近性质. 最后,大量的模拟研究表明了DPLC方法和一般的最优子集选择方法在变量选择和估计方面有着相同的能力.     

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.