

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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、本文主要研究的是隨機缺失數(shù)據(jù)下變系數(shù)部分線性模型在樣本獨立條件下的估計問題。初步探討了常數(shù)項函數(shù)和系數(shù)函數(shù)兩部分的估計。并證明了估計量部分相關(guān)的性質(zhì),得到了一些結(jié)論。創(chuàng)新之處是把缺失數(shù)據(jù)的處理方法,在新的模型中應(yīng)用,并得到了較好的結(jié)果。
文章中主要利用局部多項式的方法對系數(shù)函數(shù)進行初步估計,然后再利用平均法得到二次估計,得到更好的結(jié)果。文中對缺失數(shù)據(jù)的處理采用的兩種方法,一種是加權(quán)法,另一種是借補方法。
本文
2、主要內(nèi)容及結(jié)果:
第一章簡單敘述本文中研究內(nèi)容的背景,基本方法、思路,并對基礎(chǔ)知識做了簡要的介紹。
第二章主要利用加權(quán)方法對缺失數(shù)據(jù)進行處理,通過逆概率加權(quán)法,對已有數(shù)據(jù)進行加權(quán),去掉不完整數(shù)據(jù)。把已有數(shù)據(jù)看作是完整數(shù)據(jù)來進行估計。通過局部線性方法和平均技巧對函數(shù)進行估計,得到相應(yīng)的估計量,證明了估計量的相合性,得到了一些結(jié)論。
第三章均值借補方法。首先利用響應(yīng)變量平均值對其缺失值進行補充,再利
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 缺失數(shù)據(jù)下帶約束條件的部分線性變系數(shù)EV模型估計.pdf
- 隨機缺失條件下變系數(shù)部分線性模型的估計.pdf
- 函數(shù)系數(shù)部分線性模型的小波估計.pdf
- 縱向數(shù)據(jù)下部分線性變系數(shù)模型的光滑估計函數(shù)
- 函數(shù)系數(shù)和部分線性模型中的估計問題.pdf
- 28911.缺失數(shù)據(jù)下帶約束條件的部分線性變系數(shù)ev模型的估計
- 12185.缺失數(shù)據(jù)下部分線性模型的多重穩(wěn)健估計
- 46556.函數(shù)系數(shù)部分線性模型的變量選擇
- 不同光滑度變系數(shù)部分線性模型的估計.pdf
- 變系數(shù)部分線性模型的局部M-估計.pdf
- 部分線性模型的估計.pdf
- 部分線性回歸模型的估計.pdf
- 變系數(shù)部分線性模型的參數(shù)估計與統(tǒng)計診斷.pdf
- 部分線性函數(shù)線性模型的統(tǒng)計推斷.pdf
- 部分線性模型的小波估計.pdf
- 響應(yīng)變量有缺失時變系數(shù)部分線性模型的統(tǒng)計推斷.pdf
- 41373.數(shù)據(jù)缺失時部分線性模型的經(jīng)驗似然推斷
- 截斷數(shù)據(jù)場合下部分線性模型的參數(shù)估計連續(xù)時間下局部線性估計的收斂性.pdf
- 含缺失數(shù)據(jù)的約束線性模型回歸系數(shù)的有偏估計.pdf
- 部分線性模型的一步相合估計.pdf
評論
0/150
提交評論