导读:本文包含了半参数线性回归模型论文开题报告文献综述及选题提纲参考文献，主要关键词:函数型数据,半参数最小二乘估计,N-W估计,经验似然比置信区间
半参数线性回归模型论文文献综述
吴海燕[1]（2014）在《函数型半参数部分线性回归模型的性质研究》一文中研究指出本文对于函数型半参数部分线性回归模型,利用特殊的加权最小二乘法和Nadaraya-Waston估计法,通过对每一个个体i引进权1/mi进行优化,得到了β和g(z)的估计值β、g(z)以及它们的一些渐近性质,同时通过Monte-Carlo模拟实验验证在有限样本为稀疏观察、部分稀疏部分稠密或稠密观察的情况下,本文所得的估计值都能得到很好的拟合。此外,本文将非参数回归模型中利用经验似然求置信区间的方法拓展至半参数部分线性回归模型中来,对其中的非参数部分利用经验似然方法求得其置信区间,并且提出一种纠偏的经验似然方法,使得这样求得的有效置信区间摆脱了“欠光滑”这一条件的限制。最后,将本文方法与传统渐近正态法求置信区间相比较。(本文来源于《南京大学》期刊2014-05-01）
操群[2]（2012）在《缺失数据下的半参数部分线性回归模型》一文中研究指出本文研究了缺失响应变量情况下半参数部分线性回归模型，并对模型参数部分推广了半参数有效推断，我们考虑的缺失情况有一般性的意义。关于估计方法，我们运用了Severini和Wong[10]（1992）文献中关于最小偏差曲线、最小偏差方向和广义边侧似然等内容，得到的参数部分的估计在一定条件下是渐近正态的。此外，我们证明了在一些正则性条件和附加条件下估计量的渐近协方差能达到半参数有效边界。我们也提出一个估计算法，其原理是在固定其他条件的情况下在拟合参数部分和拟合非参数部分之间进行迭代。这个迭代算法的估计是不含缺失数据的半参数有效估计的条件期望（条件是观测数据）。该算法利用EM算法根据一个半参数估计方程来估计参数部分，同时根据光滑方法来估计非参数部分.之后我们进行了模拟研究来评估上述方法的表现，结果显示我们的算法在有限样本中表现得很好。(本文来源于《景德镇陶瓷学院》期刊2012-06-01）
吕书龙,梁飞豹,刘文丽[3]（2011）在《半参数线性回归模型的最小一乘核估计》一文中研究指出提出半参数线性回归模型的最小一乘核估计,通过模拟计算表明该方法是有效的,在与最小二乘核估计的比较中更突出了该方法的稳健性.(本文来源于《福州大学学报(自然科学版)》期刊2011年02期）
郭照庄,孙月芳,程广涛[4]（2010）在《半参数线性回归在河北省城镇居民消费模型中的应用》一文中研究指出文章讨论了传统消费函数模型估计的不足,将半参数线性回归方法应用于城镇居民消费模型中,以河北省为例,通过与最小二乘估计法进行比较,结果表明半参数线性回归要优于线性回归。(本文来源于《山西财经大学学报》期刊2010年S2期）
罗羡华,李元,马昀蓓,周勇[5]（2010）在《删失数据下的半参数变系数部分线性回归模型》一文中研究指出为了分析删失数据,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.(本文来源于《数学物理学报》期刊2010年01期）
李均立[6]（2008）在《线性回归模型参数线性约束检验的Eviews实施》一文中研究指出线性回归模型是计量经济模型的主要形式,其参数除了需要显着性检验和方程显着性检验外,有时还需要对其参数线性约束条件的检验。本文介绍运用Eviews软件对模型参数线性约束的F检验、沃尔德检验与t检验叁种方法。(本文来源于《技术经济与管理研究》期刊2008年02期）
董友弟,武斌敬,王光辉[7]（2008）在《基于动态参数线性回归模型的路堤沉降预测》一文中研究指出随着观测信息的不断丰富,常规的线性模型的不足逐渐凸现,影响了沉降数据分析的精度。据此,为了克服常规沉降数据处理模型的不足提出了动态参数线性回归模型。该模型要求参与建模的数据个数保持不变,利用新观测的数据取代旧数据,获取新的模型参数,进而建立动态参数线性回归模型进行沉降预测。通过实例验证,动态对数模型预测值平均误差率为5.4%,动态多项式模型预测值平均误差率为2.7%;与其对应的常规模型相比平均预测精度分别提高了6.4和2.1个百分点,动态模型的效益十分明显;从建模精度σ2来看,动态对数模型σ2=11.5,动态多项式σ2=2.3,均小于常规模型的σ2。(本文来源于《地矿测绘》期刊2008年01期）
董友弟,武斌敬[8]（2007）在《基于动态参数线性回归模型的路堤沉降预测》一文中研究指出随着观测信息的丰富,常规的线性模型的不足凸现,影响了模型的精度。为了克服常规模型的缺点提出了动态参数线性回归模型。根据动态参数线性回归模型要求,在参与建模数据个数保持不变的情况下,利用新观测的数据取代旧有的数据,获取新的模型参数,进而建立动态参数线性回归模型,并进行沉降预测。通过实例验证,效果比较理想。(本文来源于《中国煤田地质》期刊2007年S2期）
罗羡华,戴家佳,杨振海[9]（2007）在《半参数变系数部分线性回归模型的渐近性质》一文中研究指出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．(本文来源于《北京工业大学学报》期刊2007年06期）
罗羡华,李元,周勇,杨振海[10]（2007）在《基于纵向数据的半参数变系数部分线性回归模型》一文中研究指出纵向数据是数理统计研究中的复杂数据类型之一0,在生物、医学和经济学中具有广泛的应用．在实际中经常需要对纵向数据进行统计分析和建模．文章讨论了纵向数据下的半参数变系数部分线性回归模型,这里的纵向数据的在纵向观察在时间上可以是不均等的,也可看成是按某一随机过程来发生．所研究的半参数变系数模型包括了许多半参数模型,比如部分线性模型和变系数模型等．利用计数过程理论和局部线性回归方法,对于纵向数据下半参数变系数进行了统计推断,给出了参数分量和非参数分量的profile最小二乘估计,研究了这些估计的渐近性质,获得这些估计的相合性和渐近正态性．(本文来源于《应用数学学报》期刊2007年03期）
半参数线性回归模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文研究了缺失响应变量情况下半参数部分线性回归模型，并对模型参数部分推广了半参数有效推断，我们考虑的缺失情况有一般性的意义。关于估计方法，我们运用了Severini和Wong[10]（1992）文献中关于最小偏差曲线、最小偏差方向和广义边侧似然等内容，得到的参数部分的估计在一定条件下是渐近正态的。此外，我们证明了在一些正则性条件和附加条件下估计量的渐近协方差能达到半参数有效边界。我们也提出一个估计算法，其原理是在固定其他条件的情况下在拟合参数部分和拟合非参数部分之间进行迭代。这个迭代算法的估计是不含缺失数据的半参数有效估计的条件期望（条件是观测数据）。该算法利用EM算法根据一个半参数估计方程来估计参数部分，同时根据光滑方法来估计非参数部分.之后我们进行了模拟研究来评估上述方法的表现，结果显示我们的算法在有限样本中表现得很好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
半参数线性回归模型论文参考文献
[1].吴海燕.函数型半参数部分线性回归模型的性质研究[D].南京大学.2014
[2].操群.缺失数据下的半参数部分线性回归模型[D].景德镇陶瓷学院.2012
[3].吕书龙,梁飞豹,刘文丽.半参数线性回归模型的最小一乘核估计[J].福州大学学报(自然科学版).2011
[4].郭照庄,孙月芳,程广涛.半参数线性回归在河北省城镇居民消费模型中的应用[J].山西财经大学学报.2010
[5].罗羡华,李元,马昀蓓,周勇.删失数据下的半参数变系数部分线性回归模型[J].数学物理学报.2010
[6].李均立.线性回归模型参数线性约束检验的Eviews实施[J].技术经济与管理研究.2008
[7].董友弟,武斌敬,王光辉.基于动态参数线性回归模型的路堤沉降预测[J].地矿测绘.2008
[8].董友弟,武斌敬.基于动态参数线性回归模型的路堤沉降预测[J].中国煤田地质.2007
[9].罗羡华,戴家佳,杨振海.半参数变系数部分线性回归模型的渐近性质[J].北京工业大学学报.2007
[10].罗羡华,李元,周勇,杨振海.基于纵向数据的半参数变系数部分线性回归模型[J].应用数学学报.2007