拟自适应分类随机森林算法

本文给出了集成学习模型可以收敛的集成学习算法,拟自适应分类随机森林算法。拟自适应分类随机森林算法综合了Adaboost算法和随机森林算法的优势,实验数据分析表明,训练集较大时,拟自适应随机森林算法的效果会好于随机森林算法。另外,拟自适应分类随机森林算法的收敛性确保它的推广误差可以通过训练集估计,所以,对于实际数据,拟自适应分类随机森林算法不需要把数据划分为训练集和测试集,从而,可以有效的利用数据信息。     

随机右删失数据下半参数线性变换模型的经验似然推断北大核心CSCD

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

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.     

删失分位数回归模型基于扩展兴趣信息准则的平均估计

本文结合分位数回归技术,基于删失回归模型,把Claeskens和Hjort的传统兴趣信息准侧(focused information criterion,FIC)扩展到兴趣向量的情形,提出扩展的兴趣信息准则(extended focused information criterion,E-FIC),有效解决了同时针对多个兴趣参数的平均估计问题,并且对删失响应变量的不同水平分位数进行建模,以全面反映响应变量分布特征,有效克服异常值和厚尾模型误差的影响.基于扩展的兴趣信息准则给出参数的平均估计方法,证明估计的渐近性质.通过Monte Carlo随机模拟试验比较所提估计方法和最小二乘方法在有限样本量下的表现,用所提方法对原发性胆汁性肝硬化数据集进行数据分析.     

基于部分线性变系数空间误差模型的网络结构缺失数据借补估计

文章采用空间误差模型刻画个体之间的网络结构关系,讨论响应变量随机缺失时部分线性变系数空间误差模型的估计和借补问题.首先,利用矩阵分块和截面似然技术构建了参数估计量,并证明了参数估计量的渐近分布和未知系数函数估计量的收敛速度.其次基于部分线性变系数模型,提出了带有空间网络结构的缺失数据的借补方法.最后,通过蒙特卡洛模拟研究了估计量的有限样本性质,并将该方法应用于QQ数据集分析.     

随机右删失数据下半参数线性变换模型的经验似然推断

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

网络结构数据空间回归模型的平均估计

采用空间误差模型对数据的网络结构关系进行刻画,考虑了空间误差模型的S-AIC和S-BIC模型平均估计方法,证明了S-AIC和S-BIC估计的相合性和渐近正态性.通过蒙特卡洛模拟试验,研究了所提估计的有限样本性质,模拟结果显示,S-AIC和S-BIC模型平均估计表现优于AIC和BIC模型选择估计.利用文章所提方法,对QQ用户数据进行实证分析,说明了所提方法在实际问题中的应用价值.     

缺失数据下半参数单调回归模型的估计

研究了响应变量缺失情况下半参数单调回归模型的估计问题。利用嵌入核估计的方法得到了参数部分的估计,在此基础上构造了非参数部分的单调约束最小二乘估计。证明了参数估计的渐近分布为正态分布,得到了非参数部分估计的收敛速度。通过随机模拟研究了有限样本量下估计的表现。