基于部分充分降维方法的半参数多指标模型异方差检验

异方差检验是回归分析中的一类重要问题.本文针对半参数多指标模型提出具备模型自适应性的异方差检验统计量.本文所研究的半参数模型包括两类自变量,分别为主要兴趣变量X和次级兴趣变量W.一般情形下,自变量X的维数较高,经常导致非参数估计的准确性大大降低.而次级变量W的存在使得传统的充分降维方法不再适用.本文基于部分充分降维方法,构建具有维数约简特性的检验统计量,有效避免了中高维数变量带来的估计难题,同时该统计量能够自适应于潜在的真实模型结构,具备良好的稳健性.本文在理论上研究所提出的检验统计量在原假设和备择假设下的渐近性质,并通过模拟研究和实证案例分析检验方法在有限样本下的表现.

多指标可加模型及在医疗费用预测中的应用

对医疗费用的建模分析与合理预测是医疗保险费用厘定的基础与根本.医疗费用中的高维附加信息在长期预测中具有重要作用.然而,传统的统计建模方法不适用于处理高维纵向数据下的医疗费用.本文提出部分线性多指标可加模型,对具有高维特征的纵向医疗费用数据进行拟合与预测,并且使用两种不同的降维估计方法进行模型估计,并将该模型应用于一组含高维协变量的纵向医疗费用数据中进行实例分析.结果表明该模型以及两种不同的降维方法均对纵向医疗费用进行了很好的拟合.