縱向數(shù)據(jù)下部分線性單指標(biāo)模型的若干問題研究.pdf_第1頁
已閱讀1頁,還剩48頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文針對(duì)縱向數(shù)據(jù),研究部分線性單指標(biāo)模型的穩(wěn)健估計(jì)及其變量選擇,研究?jī)?nèi)容主要有以下幾個(gè)方面:
  第一,在縱向數(shù)據(jù)下,針對(duì)部分線性單指標(biāo)回歸模型,基于穩(wěn)健分位數(shù)回歸方法,對(duì)模型中單指標(biāo)部分和線性部分都做了分位數(shù)處理,采用局部多項(xiàng)式方法估計(jì)連接函數(shù),在一定的條件下,證明了所得的估計(jì)量具有漸近正態(tài)性,給出了估計(jì)算法的實(shí)施步驟。通過數(shù)值模擬分析,比較了不同點(diǎn)分位數(shù)回歸連接函數(shù)的估計(jì)效果,驗(yàn)證了所提方法的穩(wěn)健性和有效性。實(shí)例分析Bosto

2、n房?jī)r(jià)數(shù)據(jù),進(jìn)一步說明了所提出方法的實(shí)際應(yīng)用價(jià)值。
  第二,基于LASSO、ALASSO雙重自適應(yīng)懲罰估計(jì)方法,提出穩(wěn)健化的似然函數(shù),針對(duì)縱向數(shù)據(jù),研究單指標(biāo)線性混合效應(yīng)模型下,固定效應(yīng)和隨機(jī)效應(yīng)的聯(lián)合穩(wěn)健變量選擇,采用懲罰樣條逼近方法,對(duì)單指標(biāo)部分未知連接函數(shù)采取懲罰樣條逼近。在一些正則化條件下,證明了懲罰穩(wěn)健估計(jì)的Oracle性質(zhì)。模擬研究中,比較污染與不污染數(shù)據(jù)時(shí)所提方法的影響,結(jié)果表明所提變量選擇方法具有穩(wěn)健性。實(shí)例分析

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論