测量误差数据下单指标模型的非参数模拟外推估计

研究了测量误差数据下一类单指标模型的估计问题.结合局部线性平滑法和核密度估计法,提出一种基于非参数模拟外推的模型估计方法 .所提出的非参数模拟外推估计,不需要假定观测变量的具体分布并且不需要假定测量误差的方差已知,具有较广的适应性.在一些正则条件下,证明了非参数模拟外推方法给出的参数估计量的渐近正态性.

半参数单指标回归模型的估计及其强相合性

讨论了半参数单指标回归模型y=αTx+g(βTu)+ε,针对未知向量β,给出了一种不同于单指标投影追踪的估计方法,并证明了估计量α^n以及β^n具有强相合性,最后对所估计方法进行了模拟验证.

具有一阶自回归误差的半参数可加模型的估计

研究具有一阶自回归误差的半参数可加时间序列模型的估计问题.假设回归函数来源于某个参数分布族,采用局部二次拟合准则,结合非参数核函数方法,给出参数向量的估计量和回归函数的半参数估计量.在一定正则条件下,证明估计量具有相合性.通过模拟研究与实证分析检验方法的有效性和可行性.

基于半参数回归模型的多区域单倍体型与纵向性状关联分析

由于影响复杂性状的有些基因组单体型是有时间效应的,因此对复杂性状与基因组单体型的关联分析应该考虑时间效应。Zhang等提出的半参数模型不能直接应用于基因组单体型的分析。本文在Zhang等提出的分析纵向数据的半参数模型基础上,把模型的参数固定效应用来拟合单倍体型和其他固定协变量效应,时间效应通过二次可微函数来拟合,参数的估计按照Zhang等的方法,采用似然比检验来检验单倍体型效应。通过对我们升级的方法与一般的混合模型Haplo.stats和FAMHAP的htr模型进行模拟比较,证实对动态性状通过考虑多次采样数据的时间效应比对单次采样更能提高单倍体型效应的检出率。我们把这种半参数回归模型研究猪具有多胎的繁殖记录与MMP1和MMP10基因的单倍体型分析中。

带有误差协变量的半参数单调回归模型的统计估计

文章研究了部分协变量不能直接观测但有辅助变量可用时,半参数单调回归模型的统计估计问题。利用辅助变量信息校正带有误差协变量模型,给出了模型中未知参数的profile最小二乘估计和非参数函数的单调最小二乘估计。并在一定条件下证明了所得估计的渐近性质,通过数值模拟实验进一步说明了估计方法的有限样本性质。

半参数回归与模型精化

就一般情况给出了半参数平差的算法 ,并结合一种特定的情况 ,讨论了正规化矩阵半正定时的计算方法 ,给出了相应的公式。最后构造了一个模拟的平差问题 ,对半参数法和最小二乘法的计算结果进行了比较。计算表明 。

基于半参数回归模型的制造过程加工误差流建模与分析

针对多工序制造过程中加工误差流的传递和累积问题,研究工序输入尺寸误差、系统误差和随机误差与工序输出尺寸误差间的关系,构建数学模型并给出了模型解算方法。基于泰勒公式展开和实际加工经验假设,建立工序输出尺寸误差与工序输入尺寸误差间的参数化表达式,并将与工序输出尺寸误差关系未知的工序系统误差非参数化表达,建立制造过程加工误差流的半参数回归模型;采用广义交叉核实函数计算平滑因子,以实际机械加工经验确定正规化矩阵,由补偿最小二乘法求解了所建立半参数回归模型的参数和非参数估计。以二工序磨削加工实例证明,采用半参数回归模型描述加工误差流,不仅能够反映工序间误差传递关系,分离工序系统误差和随机误差,而且比完全参数建模方法和非参数建模方法具有更好的解释性和适用性。

半参数回归与平差模型

从数据处理几种回归模型出发 ,对参数、非参数、半参数回归模型进行了讨论 ,指出了它们的适用前提条件。论证了半参数回归模型的最小二乘核估计与附加系统参数平差、补偿最小二乘准则与最小二乘配置之间的联系与区别 ,阐述了半参数回归估计在测量平差中的应用前景.

半参数回归模型的近邻估计──鞅差误差序列情形

在鞅差误差序列下，给出了半参数回归模型中有关参数β和ｇ（ｔ）的近邻估计，研究了估计量的相合性，在相当一般的条件下，得到了理想的结果．

半参数回归模型的误差方差的小波估计

考虑半参数回归模型ｙｉ＝ｘ＾１ｉβ＋ｅｉ，１≤ｎ，其中β∈ＲＴ＾ｄ为未知参数，ｇ（ｔ）为「０，１」上的未知Ｂｏｒｅｌ函数，ｘｉ为Ｒ＾ｄ上的随机设计，｛ｅｉ｝为ｉ．ｉ．ｄ．随机误差，本文构造了误差方差σｉ＾２＝ｖａｒ（ｅｉ）的小波估计σｎ＾２，得到了σｎ＾２的渐近正态性，同时构造了ｖａｒ（ｅｉ＾２）的小波估计Ｄｎ＾２，并且证明了Ｄｎ＾２的弱相合性，由此可知√ｎ（σ＾２－σ＾２）／Ｄｎ依分布收敛于Ｎ（

半参数回归模型估计的平均相合性

在误差序列为 Lq- mixingale情形下 ,给出了半参数回归模型中β和 g( t)估计 ,研究了估计量的 q-阶平均相合性 .在较一般的条件下 。

基于半参数回归模型的批处理确定卫星轨道方法

由于卫星轨道观测数据中含有非线性影响因素,必然会降低定轨精度。在半参数回归模型的基础上,应用小波阈值去噪算法估计并消除观测数据中存在的非线性影响因素,提出了基于半参数回归模型的批处理确定卫星轨道的方法,以提高定轨精度;然后,在理论上证明了在测量数据存在非线性影响因素的情形下,基于半参数回归模型的批处理确定卫星轨道方法的定轨精度高于经典的批处理定轨精度;最后,对中低轨卫星应用批处理定轨进行了仿真。结果表明:基于半参数回归模型的批处理确定卫星轨道方法分离出观测数据中的白噪声和非线性影响因素,从而可以在观测数据中消除非线性影响因素,提高定轨的精度。

技术选择、产业结构升级与经济增长——基于半参数空间面板向量自回归模型的研究

利用1997—2013年31个省份的面板数据,通过构建半参数空间面板向量自回归模型(SSPVAR)及时空脉冲响应函数,实证检验我国技术选择、产业结构升级和经济增长之间的时空传导效应,并探讨对外开放度对三者的异质性影响。结果发现,技术选择、产业结构升级及经济增长受到彼此的冲击后,大部分都呈现出正向的响应特征。其中,技术选择推进本省份及周边省份的产业结构升级,并在短期阻碍了经济增长,但长期内促进整体区域经济增长;产业结构升级不仅推进整体区域产业结构升级,还促进本省份及周边省份经济增长;经济中心的拉动效应较强且持久,经济增长会促进整个区域的技术选择、产业结构升级。此外,对外开放度对技术选择、产业结构升级的效应呈现出"N"形特征,对外开放度对经济增长的效应前期较为平稳,随后呈现出"倒U"形特征。

基于半参数回归模型的微陀螺仪温度补偿技术

设计了一种基于半参数回归模型的微陀螺仪温度补偿方法。针对微陀螺仪启动时受温度变化影响明显、角速度输出误差较大的问题,提出对于温度的补偿不仅要考虑趋势项,而且要估计模型误差。建立了温度补偿的半参数回归模型,采用补偿最小二乘进行求解。实验结果表明,对于某型微陀螺仪采用温度补偿的半参数回归模型是可行且有效的,相对于常规的多项式拟合方法,补偿后的信号噪声降低了1个数量级,优于0.005(°)/s,从而有效缩短了陀螺仪启动稳定时间。

一种基于半参数回归的加速度计误差模型辨识方法

为了解决加速度计离心机试验中系统误差和未建模误差对加速度计模型辨识的影响,将统计学中的半参数回归方法引入到加速度计的模型辨识中,建立了加速度计的半参数回归模型,提出了一种基于最小二乘-半参数回归模型(LS-SPRM)的估计方法,该估计方法利用最小二乘法估计加速度计的误差模型系数,利用半参数回归方法估计加速度计测试中的系统误差,并通过检验残差是否为白噪声作为判断是否有系统误差的条件。在半参数模型的估计中,采用二阶段估计方法,利用三次样条函数进行非参数部分的估计,并讨论了光滑参数的选取方法。仿真试验结果表明,采用该方法能够较好地补偿由于系统误差和未建模误差带来的影响,使加速度计模型辨识的标准差较普通最小二乘法减小45%左右,估计的残差也减小了近一倍。

基于半参数回归模型的大学生生命质量研究

目的探讨大学生生命质量的影响因素,为其健康教育及预防保健提供相关依据。方法采用自行设计的一般情况调查表、36条目简明健康量表(SF-36)和Young网络成瘾量表对入选的567名大学生进行调查,应用单因素、多元逐步回归和半参数回归模型对数据进行统计分析。结果半参数回归模型的拟合效果优于单因素和多元逐步回归分析,影响大学生生命质量总分的因素有食欲、睡眠、与同学相处的融洽程度、网络成瘾和专业(P<0.05)。结论大学生生命质量的提高应针对不同专业的学生进行个体化干预,鼓励大学生参与社交活动,合理使用网络。

一类半参数回归模型的经验似然

考虑一类半参数回归模型yi=xi′β+g(xi)+ei,1≤i≤n,其中xi=(xi1,xi2,…,xik)′是固定设计点列,β=(β1,β2,…,βk)′是未知待估参数,g(.)是未知函数,ei是随机误差,且E(ei)=0,E(ei2)=σ2<∞.首先假设β已知,用非参数权函数方法估计非参数部分g,然后应用经验似然方法构造似然函数,证明了经验对数似然比统计量渐近服从卡方分布.结果可用于构造半参数回归模型中参数向量的置信区域.

半参数空间变系数回归模型的两步估计方法及其数值模拟

文章提出了关于半参数空间变系数回归模型的两步估计方法,该方法可得到模型中常值系数估计量的精确解析表达式,广泛的数值模拟表明所提出的估计方法对估计常值系数具有满意的精度和稳定性。

纵向数据半参数回归模型的最小二乘局部线性估计

本文考虑纵向数据半参数回归模型:Yij=XiTjβ+g(Tij)+iεj,基于最小二乘法和局部线性拟合的方法建立了模型中参数分量β,回归函数g(.)和误差方差σ2的估计,在适当条件下给出了估计量的相合性,通过模拟研究说明了该方法在有限样本情况下具有良好的性质。

纵向数据半参数回归模型估计的强相合性

本文考虑如下纵向数据半参数回归模型:yij=x'ijβ+g(tij)+eij。基于最小二乘法和一般的非参数权函数方法给出了模型中参数β,回归函数g(·)和误差方差σ2的估计,并在适当条件下证明了估计量的强相合性。