部分线性变系数空间自回归模型的惩罚轮廓拟最大似然方法

主要研究了部分线性变系数空间自回归模型的变量选择问题。结合拟最大似然方法、局部线性光滑方法以及一类非凸罚函数,提出了一个变量选择方法用于同时选择该模型的参数部分中重要解释变量和估计相应的非零参数。大量模拟研究表明,所提出的变量选择方法具有满意的有限样本性质,并且关于空间权矩阵的稀疏度、空间相关强度、系数函数的复杂度以及误差分布的非正态性非常稳健。特别地,当样本容量较大且罚函数选择合适时,即使解释变量的相关性较强或者模型中含有较多不重要解释变量,所提出的变量选择方法仍然具有比较满意的有限样本性质。通过分析波士顿房屋价格数据考察了所提出的变量选择方法的实际应用效果。

采用变系数模型改进空间相关性风速预测

空间相关性方法是近年来逐渐受到重视的风电功率预测方法。为提高超短期风电功率预测效果,提出了采用变系数模型改进空间相关性风速预测的方法。首先介绍了一种空间相关性风速预测的建模方式,然后根据风速序列间关系随时间变化的情况引入变系数模型,通过加权最小二乘法进行参数估计,给出一种权函数形式,最后的仿真试验研究了权函数中的遗忘因子对预测误差的影响,验证变系数模型提高空间相关性风速预测的有效性,说明采用变系数模型来改进空间相关性风速预测是一条可行的思路。

半参数变系数回归模型的空间相关性检验

本文对半参数变系数回归模型,构造了新的空间相关性检验统计量,利用三阶矩χ2逼近方法导出了其检验p-值的近似计算公式,蒙特卡罗模拟结果表明,该统计量在检测空间相关性方面具有较高的准确性和可靠性。同时考察了误差项服从不同分布时的检验功效,体现出该检验方法的稳健性。进一步,我们还给出了检验统计量的Bootstrap方法以及检验水平的模拟效果。

变系数空间自相关模型的Bayesian-INLA估计

文章提出了一类变系数空间自相关模型(VCSAM)新的Bayesian-INLA估计方法.在这个模型中,响应变量具有空间自相关性,且包含变系数的非参数部分.尽管已有的工作对该模型已经进行了大量研究,但很少有研究使用贝叶斯方法提出高效求解模型的方法.因此基于上述动机,文章提出了基于Bayesian-INLA技术的方法,以寻求在VCSAM框架内代替MCMC方法的有效解决方案.变系数部分使用B-样条基函数的线性组合进行逼近,空间自相关系数采用M-H算法进行估计,并应用Bayesian-INLA技术来估计变系数函数和相关系数的后验分布.通过模拟研究,展示了文章提出的估计方法在同时处理空间依赖效应和空间非平稳性时的优势.此外,通过对波士顿房价数据的实证分析,展示了文章提出的估计方法优越的性能.

空间变系数模型的统计诊断

空间变系数模型作为一类有效的空间数据分析方法已经得到了广泛的应用.本文主要研究该模型的统计诊断与影响分析方法。首先我们基于数据删除模型定义了Cook统计量,其次我们基于均值漂移模型讨论了异常点的检验问题。

海洋环境噪声的一般模型及声压空间相关系数

海洋环境噪声是声纳设备的重要干扰之一，它的存在降低了声纳的检测能力。水听器阵信噪比增益一直是水声学研究的重要问题．而阵增益与噪声的相关特性密切联系．因此，研究噪声的时空相关特性对声纳基阵的合理设计及性能预报具有重要意义。现有的噪声模型多数为分析特定姿态水听器阵接收信号的相关特性．且相对复杂。为了分析任意姿态基阵接收噪声声压的相关系数，本文分别建立了体积噪声与界面噪声的一般模型，在此基础上理论推导了均匀各向同性体积噪声和具有垂直指向性界面噪声声压的时空相关函数．给出了两种噪声场中任意姿态基阵接收声压的相关系数解析表达式。

随机效应变系数空间自回归面板模型的估计

具有良好可读性和稳健性的变系数模型在各学科领域应用广泛。本文构建了一种新的随机效应变系数空间自回归面板模型,运用截面极大似然估计方法,导出了模型的估计量,证明其具备一致性和渐近正态性,蒙特卡洛模拟研究显示估计量的小样本表现效果良好。

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。

变系数空间自回归模型的Bootstrap检验

变系数空间自回归模型是变系数模型在空间数据分析方面的推广,因其众多的应用背景而得到广泛的重视和研究,确认模型中系数是否真正随变量的变化而变化是应用变系数空间自回归模型需解决的首要问题.本文基于Bootstrap检验方法研究了变系数空间自回归模型中的常系数项的辨别问题,为建立半变系数空间自回归模型提供依据.最后,通过模拟试验验证Bootstrap检验方法在有限样本容量下的有效性.数值模拟分别考察了误差项服从不同分布、空间滞后相关系数变化以及解释变量共线性程度不同时,Bootstrap方法逼近其零分布的准确性以及检验的功效.模拟结果表明本文所提出的Bootstrap方法能精确地逼近检验统计量的零分布且检验具有满意的功效.

具有相关误差和不同光滑变量的半变系数模型估计（英文）

本文主要讨论具有相关误差和不同光滑变量的半变系数模型估计.通过改进的PLS估计,给出系数函数和常系数的估计,证明估计的渐近正态性,模拟研究说明了该估计的有效性.

误差相关的半变系数模型的估计

本文在误差相关的情况下,研究半变系数模型的估计,通过改进PLS估计,给出了函数系数和常数系数的估计,证明了估计的渐近正态性;最后,模拟研究说明了所提方法的有效性.

相关性数据下变系数模型的非参数估计

文章研究了相关性数据下变系数模型的非参数估计问题。利用多项式样条回归方法对未知函数系数进行基函数近似,构造关于基函数系数的惩罚修正二次推断函数,得到基函数系数的估计,建立了估计的渐近性质,并通过割线法得到了估计的数值解。结果表明,估计方法具有良好的实际应用价值。

相关误差的变系数模型的估计

在误差相关的情况下,使用局部线性方法给出变系数模型的估计,并讨论估计的渐近正态性。

新疆地区降水量与海拔的空间变系数模型

空间变系数回归模型是将变系数回归模型的回归系数转化为包含数据空间位置特征的回归系数函数的模型.以新疆地区降水量和海拔高度为指标,选取1991-2000年气象观测站的数据,运用空间变系数回归模型对新疆各区域的海拔高度和降水量之间的空间关系加以研究.结果表明:新疆各区域的海拔高度与降水量之间呈现显著的空间非平稳性特征,即海拔高度对降水量的影响随着研究区域地理位置的不同而不同,是地理位置的函数,并且得到了具体的影响系数函数.

基于相关系数变权重组合模型的黄金价格预测

对黄金价格建立模型进行预测时,单一模型的预测精度往往难以达到理想效果。为充分利用单一模型的优势建立组合模型进行黄金价格的预测,利用相关系数法对组合模型的权值进行改进,使其权重不断改变,更好地反映各时间点上的信息组合变化,达到理想的组合预测效果。

半参数空间变系数回归模型的两步估计方法

文章首先介绍了部分回归模型、空间变系数模型及估计方法等相关理论知识。通过对以前所研究的半参数模型,将单个自变量非线性函数与空间变系数模型进行有效组合,提出了半参数空间变系数回归模型两步估计方法,并从试验设计、模拟试验结果分析两个方面入手,对该估计方法运用效果进行模拟,结果具有较高的可靠性和稳定性,实现了对常值系数的有效计算和估计,为相关人员提供有效的借鉴和参考。

基于相关系数的变权组合预测模型及其应用

在马尔科夫转换模型和GARCH模型的基础上,建立了综合以上两种模型优点的基于相关系数的变权组合预测模型,并对沪铜期货价格进行了实证研究.实证研究结果表明:基于相关系数的变权组合预测模型的预测精度明显高于各个单模型的预测精度.

空间部分线性变系数模型的分位回归估计

文章针对空间数据统计与回归建模,提出空间部分线性变系数模型,并提出了一种基于二元惩罚样条的非参数逼近分位回归估计方法。该方法不仅可以有效地处理变系数部分复杂边界、不规则形状的空间区域划分和非参数函数的逼近,而且整体上展现出不同分位水平下的解释能力。同时,针对模型实现问题,还提出了基于交替方向乘子法(ADMM)的参数估计算法,数值模拟说明该方法的估计结果更加稳健、有效。

随机效应广义空间滞后半参数变系数面板模型的估计

本文通过构建同时包含因变量和误差项空间滞后的随机效应半参数变系数面板模型,拓展了现有模型的灵活性和适应性;采用截面极大似然估计方法得出了参数和非参数的估计。理论证明发现:在一定的正则条件下,所有估计量具有一致性和渐近正态性。数值模拟显示:估计量具有良好的小样本性质,估计精度随着样本容量的增加而增加;空间权重矩阵的选择对估计量的表现没有产生显著差异,但是在Case权重矩阵下,当样本量相同时,空间相关系数的估计偏差随着空间权重结构复杂度的增加而扩大。

部分函数型线性变系数模型的序列相关检验

部分函数型线性变系数模型(PFLVCM)是近几年出现的一个比较灵活、应用广泛的新模型。在实际应用中,搜集到的经济和金融数据往往存在序列相关性。如果不考虑数据间的相关性直接对其进行建模,会影响模型中参数估计的精度和有效性。本文主要研究了PFLVCM中误差的序列相关性的检验问题,基于经验似然,把标量时间序列数据相关性检验的方法拓展到函数型数据中,提出了经验对数似然比检验统计量,并在零假设下得到了检验统计量的近似分布。通过蒙特卡洛数值模拟说明该统计量在有限样本下有良好的水平和功效。最后,把该方法用于检验美国商业用电消费数据是否有序列相关性,证明该统计量的有效性和实用性。