固定效应部分线性单指标空间自回归面板模型的二次推断函数估计

从模型结构的特点着手,获得了一些不依赖于工具变量的矩条件.将这些矩条件与二次推断函数法(QIF)和最小二乘虚拟变量法(LSDV)结合,为模型构建了一种新的估计方法.该方法的优点是考虑了空间内生性的同时,还将个体内的相关结构包含其中.进一步,在一些正则条件下,研究了模型估计量的大样本性质,发现非参数估计量具有最优收敛速度,参数估计量渐近于正态分布.同时,采用Monte Carlo模拟评价了估计方法在有限样本下的表现,结果表明文中所述方法的表现符合大样本性质,且远远优于忽略相关性的估计方法.最后,将所述方法应用于实际数据分析中.

响应变量缺失下部分线性单指标模型的序列相关性检验

研究了在响应变量随机缺失下的部分单指标模型的序列相关检验问题。首先采用借补的方法对缺失响应变量进行处理,再运用经验似然方法对残差部分进行序列相关性检验,构造了经验似然比统计量,并证得其为渐近分布。数值模拟结果表明:该检验方法具有较为理想的检验功效。

部分线性单指标模型的序列相关性检验

部分线性单指标模型是一类重要的半参数统计模型,对于模型中的误差,如果存在序列相关,那么在进行统计推断时会遇到诸多问题。针对该情况,对部分线性单指标模型的序列相关性进行检验,用VT,P检验的方法构造VT,P检验统计量,得到了零假设下检验统计量的渐进分布。数值模拟验证结果表明,该检验有较好的检验功效。

纵向数据下部分线性单指标模型M-估计的大样本性质

针对纵向数据下部分线性单指标模型的参数估计问题以及未知连接函数的估计问题,提出了一种稳健的对单指标部分和线性部分参数同时进行估计的M-估计方法,对未知连接函数做局部多项式估计,在一些正则条件下,研究了回归函数及其导数以及回归系数的M-估计的渐进性质,利用随机模拟方法,验证了所提方法的有效性.

部分线性单指标EV模型中参数的经验似然置信域

考虑部分线性单指标EV模型,利用纠偏方法构造了模型中未知参数的经验对数似然比统计量.在适当条件下,证明了所提出的统计量依分布收敛于标准χ2分布,所得结果可以构造未知参数的置信域.通过模拟研究在置信域精度及其覆盖概率大小方面进行了说明.

固定效应部分线性单指标面板模型的惩罚经验似然估计

结合二次推断函数法、滤子法和经验似然估计法,为个体内存在相关性的部分线性单指标固定效应面板模型建立了惩罚经验似然估计法.在一些正则条件下,推导了模型估计量的大样本性质,证明了所提出的经验似然比渐近于卡方分布.进一步,用Monte Carlo模拟和真实数据分析评价了估计方法在有限样本下的表现.

纵向数据下部分线性单指标模型的变量选择

研究各种复杂数据之间的关系以及研究各种模型中各个有效协变量的选择方法是统计学研究领域的一项重要的工作。针对纵向数据下的部分线性单指标模型,采用对其线性部分参数与单指标部分的参数的估计与变量选择同时进行SCAD、LASSO、ALASSO惩罚的方法。并且在一定的条件下,证明了一些惩罚估计量有Oracle性质,其结果是参数估计的渐进均值、渐进协方差与参数真实值的渐进均值、渐进协方差相同。还利用随机模拟方法,研究了估计的大样本性质,说明所提出的方法对于参数的变量选择是可行的。

基于纵向数据部分线性单指标模型的CD4细胞统计分析

部分线性单指标模型是一类非常重要的半参数模型,它对于克服非参数统计中的维数灾难问题具有重要的理论价值。以该模型应用于HIV血清转换器中CD4细胞的统计推断,研究CD4细胞和SMOKE(通过香烟包测量的吸烟状况)、Year(自血清转换后的时间的影响)、PreCD4(感染前CD4细胞数)、年龄(相对于给定的时间来源)的关系。研究结果表明,CD4细胞和吸烟状况、血清转换的时间、年龄成正相关,与感染前细胞数成负相关。

基于LASSO的部分线性单指标模型局部惩罚样条估计

针对部分线性单指标模型,文章构建了一种基于LASSO的部分线性单指标模型局部惩罚样条估计方法,以变异系数作为判断数据离散程度的依据,首先通过计算各节点中数据的变异系数,构造局部惩罚权重矩阵,由局部二次逼近方法,得到了带有LASSO局部惩罚的参数估计值,并讨论得出无惩罚样条估计和均匀惩罚样条估计是局部惩罚样条估计的特殊情况,然后使用"去一分量"法和Levenberg-Marquardt算法得到单指标部分的参数估计值,最后通过Monte-Carlo模拟验证了该方法的有效性和正确性。

响应变量随机缺失下部分线性单指标模型的非参数判别检验

研究了响应变量随机缺失情况下部分线性单指标模型的非参数部分检验问题,检验非参数部分预测变量同响应变量之间是否存在非线性关系.用参数和非参数函数的借补估计对缺失响应变量进行插值,并基于借补估计构造了广义似然比检验统计量,证明了其渐近分布性质.

广义部分线性单指标模型的最优模型平均方法

本文研究广义部分线性单指标模型(generalized partially linear single-index models,GPLSIMs)的模型平均问题.在实际应用中,GPLSIMs由于其灵活性和易解释性受到广泛关注.然而,GPLSIMs在应用中存在两类不确定性:变量的不确定性和单指标连接函数光滑度的不确定性.为了解决该不确定性问题,本文提出一种GPLSIMs的最优模型平均方法,该方法通过最大交叉验证准则得到数据驱动的权重.在模型误设定假设和发散模型空间的框架下,本文证明在最小化Kullback-Leibler(KL)损失准则下,所提出的模型平均估计渐近最优.同时,当候选模型集中存在伪真模型时,本文证明基于交叉验证准则得到的权重渐近地集中在伪真模型上.此外,基于提出的模型平均方法,本文为GPLSIMs构建了一种变量重要性度量,并证明该度量可以渐近识别所有真实模型中的变量.模拟研究和两个实际数据分析均展示了本文提出的方法相对于几种现有方法的优势.

部分线性单指标模型中参数的经验似然置信域

考虑部分线性单指标模型,提出了未知参数的3种对数经验似然比统计量.在适当的条件下,证明了所提出的统计量依分布收敛于χ2分布.所得结果可以用来构造未知参数的置信域.所提出的方法也适合于纯粹的单指标模型.通过模拟研究说明了经验似然方法在置信域的精度及其覆盖概率大小方面优于最小二乘方法.

部分线性单指标模型参数部分的统计推断

考虑部分线性单指标模型参数部分的统计推断问题.主要研究利用剖面最小二乘法(profile least-squares technique)估计模型的未知参数和函数,并利用该估计建立模型中参数部分的广义似然比(generalized likelihood ratio,GLR)检验统计量.在原假设条件下,文中新提出的GLR检验统计量渐近服从具有尺度常数(scaleconstant)与自由度独立于讨厌参数(nuisance parameters)的χ2-分布,这一现象被称为Wilks现象.最后给出数字模拟与实际例子,验证文中所提出的检验方法.

具有自相关误差结构的面板数据部分线性单指标模型的统计推断

部分线性单指标模型是在科学研究中具有广泛应用的经典半参数模型之一.本文主要研究具有自相关误差结构的面板数据的部分线性单指标模型的统计推断问题.通过结合局部多项式和纠偏广义估计方程方法,本文提出模型参数的可行加权广义估计(feasible weighted generalized estimating equation estimation, GEE-FW),证明该估计具有相合性和渐近正态性,并且在渐近方差意义下阐明该估计比工作独立的广义估计(generalized estimating equation estimation based on working independence,GEE-WI)更加有效.此外,本文对模型中未知连接函数提出两阶段局部线性估计(two step local linear generalized estimating equation estimation, GEE-TS),建立该估计的渐近性质.数值模拟研究和实际数据分析都表明了本文所提出的方法是有效的,在理论和应用方面均具有良好的表现.

带终止事件纵向数据半参数部分线性单指标模型

在纵向研究中,我们常常会对一些非终止事件感兴趣,例如,与健康相关的生存质量.然而,死亡事件可能会在我们观测到这些感兴趣的变量之前发生,这种情况称之为截断数据.此外,每个个体的观察时间可能是不规律的,而且协变量对于感兴趣事件的影响也可能很复杂.本文提出了一个新的用于拟合被死亡截断的数据的半参数部分线性单指标模型,并用局部线性核方法近似非参数的连接函数,构造了参数部分的估计方程.本文证明了连接函数的局部线性核估计具有一致相合性,但收敛速度低于n^(1/2).为了消除这一低速收敛的影响,本文提出了一种数据分割的方法,证明了参数部分估计量的渐近正态性.本文通过一些数值模拟检验所提方法在有限样本下的表现,并分析了一组老年痴呆症的数据.

基于含测量误差半参数模型的糖尿病数据研究

对于糖尿病数据,利用单指标部分含扭曲测量误差的部分变系数单指标模型进行拟合,由于实验数据的维数较大,相较于传统的参数模型和非参数模型,应用半参数模型不仅可以较好地拟合数据,还可以避免“维数灾祸”问题;此外,如果在拟合时忽略误差的影响,可能导致模型估计产生偏差,因此,进一步选择体质指数(BMI)作为潜在的混淆因子,并假设响应变量和单指标变量均受到BMI的乘积污染;观察实验结果发现:6种血清指标测量数据和性别的系数会随着BMI的变化而变化,并且对比带有测量误差和不含测量误差两种情形下的结果发现,糖尿病人定量测量值、年龄和平均血压均受到BMI的污染;这些结果说明选择单指标部分带有测量误差的部分变系数单指标模型对该数据集进行拟合是合理的,并且相较于不含测量误差的半参数模型,可以更好地挖掘数据中的信息。

基于PLSIM模型的住房建筑物能耗分析

采用牛津大学Angeliki Xifara使用Ecotect系统模拟的768个不同建筑物数据,尝试将半参数中的部分线性单指标模型(PLSIM)用于住房建筑物负荷的预测研究中。同时采用BP神经网络以及迭代加权最小二乘法分别建立热负荷、冷负荷预测模型,将3种方法所得结果进行比较。研究结果表明部分线性单指标模型在建筑物负荷预测中相对误差均在0.00104以内且更直观,可以为国家调整住房结构、节约能源提供有力的模型支持。

响应变量缺失下非线性回归模型的加权半参数估计

基于逆概率加权方法研究了响应变量缺失下非线性回归模型的参数估计问题,提出了一种利用广义部分线性单指标模型对选择概率建模的加权半参数估计方法.从理论上证明了所得估计量具有渐近正态性,并通过数据模拟分析研究了所提方法在有限样本下的表现.