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。

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.

基于加权复合分位数回归的变系数部分线性模型的稳健经验似然估计

研究了变系数部分线性模型的稳健经验似然推断问题。利用加权复合分位数回归以及经验似然方法,并结合基于矩阵QR分解的正交投影技术,对模型的参数分量提出了一种基于加权复合分数回归的经验似然估计方法。理论证明了提出的经验对数似然比函数渐近服从卡方分布,得到参数分量的置信区间。该估计方法中引入了基于矩阵QR分解的正交投影技术,保证对模型的参数分量进行估计时不会受到非参数分量估计精度的影响,因此具有较好的稳健性和有效性。

部分线性变系数模型的贝叶斯分位数回归

针对部分线性变系数模型的参数估计问题,采用B样条方法逼近非参数部分的未知光滑函数,进而利用非对称拉普拉斯分布实现贝叶斯分位数回归,并基于Gibbs抽样推导出所有未知参数的后验分布,通过数值模拟比较分析了贝叶斯分位数回归与分位数回归参数估计的优劣,结果表明,在均方误差准则下,贝叶斯分位数回归的估计效果更优。最后,通过实例分析说明了所提方法的有效性。

部分线性空间自回归模型的惩罚最小二乘方法

部分线性空间自回归模型因具有参数空间自回归模型的解释能力和非参数空间自回归模型的灵活性而成为一类备受关注的半参数空间自回归模型。主要研究部分线性空间自回归模型的变量选择问题,基于轮廓拟最大似然方法和一类非凸罚函数,提出了一类惩罚最小二乘方法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回归系数。在适当的正则条件下,推导了回归系数的惩罚估计的收敛速度,并证明了所提出的变量选择方法具有Oracle性质。模拟研究和实际数据分析均表明所提出的变量选择方法具有满意的有限样本性质。

基于惩罚最小绝对偏差的部分线性空间自回归模型的稳健变量选择

结合B样条逼近以及工具变量调整技术,并利用惩罚最小绝对偏差方法,对部分线性空间自回归模型提出了一种稳健变量选择方法.理论上证明了所提出的变量选择方法可以相合地识别出模型中的重要协变量和不重要协变量,并给出了所得正则估计的收敛速度.所提出的变量选择过程对模型中的参数分量和非参数分量的估计可以一步同时完成,避免了非参数分量的估计对参数分量变量选择的影响,因此具有较好的稳健性和有效性.

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。

部分线性变系数测量误差模型的约束Liu估计

本文考虑部分线性变系数测量误差模型的估计问题,同时考虑线性部分自变量存在多重共线性和线性部分存在约束条件时两种情形,基于校正的profile最小二乘技术与Liu估计方法,分别构造了未知参数分量的Liu估计和约束Liu估计,并研究了所提估计量的渐进性质。

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。

微胶囊相变材料改良粉砂土的导热系数及预测模型

【目的】针对季节冻土地区渠道冻融破坏,分析微胶囊相变材料(microencapsulated phase change materials,mPCM)改良粉砂土层渠基的温度场,对改良粉砂土的导热系数进行研究。【方法】以mPCM为改良剂,掺入渠基粉砂土形成mPCM改良粉砂土;对mPCM改良粉砂土进行导热系数实验和内部结构表征;采用多元线性回归和支持向量机(support vector machine,SVM)方法分别建立mPCM改良粉砂土的导热系数预测模型。【结果】mPCM改良粉砂土导热系数与含水率、干密度、mPCM掺量有关,且受冰水相对含量、冰水相变潜热、mPCM相变潜热和mPCM填充密实作用的影响,具有明显的温度效应;mPCM改良粉砂土导热系数的变化与实验温度和mPCM相变温度有关,可分为快速降低、缓慢降低和逐步上升3个阶段;多元线性回归和SVM模型均能较好地拟合预测mPCM改良粉砂土的导热系数,但SVM模型更适用于表征mPCM改良粉砂土导热系数各影响因素间的非线性关系。【结论】mPCM改良粉砂土的导热系数提高能够有效调控渠基土温度场,减轻渠道冻害,且SVM模型能更加准确地进行导热系数预测。

空间半参数变系数部分线性分位数回归中的B-样条估计法

利用B-样条函数提出了一种一步估计法,用以估计空间半参数变系数部分线性分位数回归中的未知参数和函数,所有未知参数和函数的估计量由一次极小化得到。推导了未知参数估计量的渐近分布,建立了未知系数函数估计量的收敛速度。通过Monte Carlo模拟研究了估计量的有限样本性质。

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.

删失数据下的半参数变系数部分线性回归模型

为了分析删失数据,该文考虑变系数部分线性模型,此模型允许协变量对响应变量存在非线性影响.响应变量与协变量之间关系的统计模型通过线性结构来拟合是非常重要而且有益.对于删失数据,常用的统计方法不能直接应用于此模型.该文首先提出一类数据变换用以建立无偏条件期望.然后利用profile最小二乘方法,给出了模型中参数分量和非参数分量的profile最小二乘估计,并建立了这些估计的渐近正态性.最后通过数值例子来说明该文所提出的方法的有效性.

半参数变系数部分线性回归模型的渐近性质

为了研究半参数变系数部分线性回归模型中非参数分量的统计推断问题,利用局部线性回归方法,给出了变系数函数的porfile最小二乘估计,证明了该估计的渐近偏差、渐近方差,同时获得了该估计的渐近正态性．

部分线性变系数空间自回归固定效应面板数据模型的估计

为了提高线性空间自回归面板数据模型的适用性和灵活度,提出了一类固定效应部分线性变系数空间自回归面板数据模型。基于局部线性技术,利用Profile似然方法构造了模型中未知空间滞后参数、回归系数以及非参数系数函数的估计。利用数值模拟考察了所提估计方法在有限样本下的表现。

基于正交投影的部分线性空间自回归模型变量选择

主要研究部分线性空间自回归模型的重要变量选择问题.基于样条逼近技术和正交投影方法将部分线性空间自回归模型转化为线性空间自回归模型,从而消除了非参数分量对变量选择的影响.另外,通过工具变量调整技术消除变量内生性对模型变量选择的影响,进而保证了所提出的变量选择方法的有效性和相合性.

部分线性变系数模型的随机约束岭估计

作为变系数模型和部分线性模型的推广,部分线性变系数模型近年来得到越来越多的关注.本文考虑该模型在线性部分自变量存在多重共线性并且参数分量附加有随机约束条件时的估计问题.基于profile最小二乘技术以及岭估计和混合估计方法,构造参数分量的profile混合岭估计,并且研究所提估计量的渐近性质.最后利用数值模拟验证所提估计方法的有效性.

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。

响应变量随机缺失下的变系数部分线性模型的经验似然推断

本文考虑了响应变量随机缺失下的变系数部分线性模型的估计问题。利用经验似然方法,给出了参数部分的调整经验似然比函数,证明其渐近服从标准卡方分布。进而构造了参数部分的置信域,得到了其极大经验似然估计的最优参数收敛速度和渐近半参数有效界。模拟结果表明调整经验似然方法优于未调整的经验似然方法。

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。