广义部分函数型线性模型的多项式样条估计

考虑到样条估计方法的计算效率和估计结果的光滑性,研究了广义部分函数型线性模型的多项式样条估计.在一定的正则条件下,获得了参数估计的渐近正态性及斜率函数估计的全局收敛速度.通过模拟研究,说明了估计方法的有效性,同时发现当真实斜率函数光滑且不能表示成少数特征函数线性组合时,样条估计优于函数型主成分估计.

基于sieve方法的响应变量为当前状态数据的部分函数型线性模型的估计

利用sieve方法研究响应变量为当前状态数据的部分函数型线性模型的估计.在一定的条件下,证明了该估计的强相合性和渐近正态性,得到了该估计的收敛速度,并且非参数部分达到最优收敛速度.最后通过一个数值模拟来研究该估计的有限样本性质.

基于FPCA的部分函数型线性模型的复合分位数回归估计

本文研究了部分函数型线性回归模型的复合分位数估计问题.采用函数型主成分基函数对斜率函数和函数型预测变量进行展开,在相当宽松的条件下给出斜率函数的最优收敛速度和参数部分的渐近正态性.最后通过理论模拟来评价提出方法的有效性.

部分函数型数据的回归模型与应用

随着科技的不断发展,各种类型的数据不断涌现,与传统的离散数据相比,函数型数据可以更好地反映出数据的连续性和变化趋势。在实际应用中,我们通常需要根据函数型数据的特征来建立模型。针对响应变量为标量型,预测变量包含函数型和标量型的情况,传统的线性模型已经不能满足需求,为此,本文提出了一种广义部分函数型线性模型,它不仅可以处理标量型和函数型的复合变量,还能够通过预测变量和响应变量之间的关系来估计连接函数,更加符合实际情况。具体来说,本文采用函数型主成分分析方法对函数型变量进行降维,然后利用最大似然估计法对回归系数进行估计,通过局部线性回归的方法对连接函数进行估计,这样我们就可以得到最终的估计值,从而实现对复合变量的建模和预测。为了验证该模型的有效性,本文将其应用于人口密度的研究中。结果表明,该模型可以有效地反应预测变量和响应变量之间的关系,得到了符合预期的结论。这项研究也使得广义部分函数型线性模型有了进一步的应用推广。

反映缺失的部分函数型回归模型的统计推断

为了解决反映变量随机缺失下部分函数型线性回归模型的统计推断,首先利用主成分分析法对模型中函数变量进行展开,在运用多元最小二乘法估计了模型中未知的参数和未知的系数函数,并证明了这两个估计具有渐近正态性。然后给出反映均值的回归借补估计,并证明了该估计量的大样本性质。

采用最小二乘支持向量机的部分相依函数型线性模型估计与应用

提出一种基于无截断Bartlett核函数的重构方法,有效避免长期方差函数估计方法面临的核函数与窗宽选择问题,并将其应用到部分相依函数型线性模型中.利用考虑函数型数据相依性的最小二乘支持向量机对模型进行参数估计,数值模拟结果表明:与未考虑函数型数据相依特征的最小二乘估计方法相比,提出的考虑函数型数据相依性的最小二乘支持向量机估计方法能更稳健地估计向量系数,有效提高样本外的预测精度;将部分相依函数型线性模型应用到上证指数开盘价的预测中,得到较好的预测效果.

部分函数型线性回归模型的预平滑估计

采用预平滑方法研究部分函数型线性回归模型,其中模型的响应变量为标量,解释变量由有限维向量和取值于函数空间的函数型变量构成.得到了模型系数的估计量,并讨论所提出估计量的相合性.

基于惩罚绝对偏差的函数型部分线性模型稳健变量选择

利用函数数据的非参数核回归方法以及惩罚绝对偏差估计技术,对函数型部分线性模型的变量选择问题,提出了一种稳健的重要变量选择方法.通过数值模拟仿真显示所提出的方法可以消除异常点对变量选择精度的影响,具有较好的稳健性.

基于部分函数型线性回归模型的改进

金融市场的交易是不间断的,价格始终高频的更新,在金融数据的研究中,经常遇到函数型数据。文章主要建立部分函数型线性回归模型,分析函数型数据在上证指数预测中的应用,根据函数型数据分析的原理及其求解主成分分析的方法,使用Matlab对上证指数进行预测。

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。

基于部分函数型线性回归模型的上证指数预测

在金融数据的研究中,经常遇到函数型数据.本文主要建立部分函数型线性回归模型,分析函数型数据在上证指数预测中的应用,根据函数型数据分析的原理及其求解主成分分析的方法,使用Matlab对上证指数进行预测.

部分函数型线性空间自回归模型的假设检验

本文提出了部分函数型线性空间自回归模型的空间效应以及参数效应的假设检验问题.首先利用函数型主成分分析方法估计斜率函数,利用广义矩估计方法估计参数.然后利用得到的相合估计,在原假设和备择假设下,构造了基于残差平方和的检验统计量,同时给出了此检验统计量的渐近性质.模拟结果表明在有限样本下,检验统计量具有良好表现.最后将部分函数型线性空间自回归模型的检验应用到一个关于经济增长的数据案例中,说明所提出的检验统计量的应用表现.

可再生能源技术创新与碳减排——基于地区经济发展不平衡视角

可再生能源技术创新是中国实现气候和环境目标的关键动力,但不同地区发展和利用可再生能源技术的能力和方式可能依赖于其经济发展水平。本文基于部分线性函数型系数面板数据模型,利用中国30个省市1997—2015年的数据,实证分析了地区可再生能源技术创新对碳排放的异质性影响。结果显示:只有当收入达到既定水平后,可再生能源技术创新才能实现碳减排效应;在此之后,其边际减排效应随着收入增长而提升。进一步,由于碳减排具体机制的收入临界值条件有别,不同省份在不同年份的碳减排机制存在差异:在样本末期,所有省份都能利用可再生能源比重提升渠道机制,但仅有不到一半的样本省份能够利用碳生产率提升渠道机制。基于部分线性函数型系数模型的新实证框架,本文发现经济发展差异下不同省份之间可再生能源技术创新的异质性碳减排机制,有助于充分评估不同省份的碳减排能力和潜力,促进区域间合理分解和制定气候政策目标。