弱相关模型中的分块拟回归

为了减少计算复杂性，在计算机试验设计中，最近人们提出了一种新的统计方法－拟回归（Owen(2000),An and Owen(2001),在独立同分布模型中，拟回归不仅能提高计算速度，而且在较好的统计性质，然而，对相关数据模型，这种方法的统计性质并不好，针对这一问题，在不增加计算复杂性的条件下，本文提出一种分块拟回归方法。我们研究分块拟回归的小样本和大样本性质，如无偏性，均方收敛性，强收敛性和渐近正态性。结果表明分块拟回归比原拟回归渐近有效，本文还讨论了曲线拟合的性质，指出了分块拟回归（包括原拟回归）在高维问题中的缺陷，为改善曲线拟合，我们还提出一种修正分拟回归，研究表明，在高维问题中，修正分块似回归是十分有效的。