版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、本文考慮的是當響應變量為隨機缺失條件下的變系數部分線性模型.控制系統中,在研究包含一個輸入變量和一個輸出變量的系統時,為了探討輸入變量對輸出變量的影響,以及不同時刻輸出變量間的相互作用,進而預報將來時刻的輸出變量,張日權[1]提出了變系數部分線性回歸模型.它可以看成是部分線性回歸模型的推廣,也可以看成是帶有不同光滑變量的變系數回歸模型.它由兩部分組成:一部分用于說明輸入變量對輸出變量的影響,稱之為常數項函數;另一部分用于說明不同時刻輸出
2、變量之間的相互作用,稱之為變系數部分,相應的系數稱為系數函數.實際中人們所要研究的數據矩陣中總有某些位置上沒有觀測值的情形,比如調查中單元或項目的不響應.本文探討了響應變量為隨機缺失的情況下變系數部分線性回歸模型的估計問題.所討論的變系數部分線性回歸模型定義如下Yi=α0(Xi)+p∑j=1αj(U1)Zij+ε1,i=1,…,n. {(Yi,δi,X1,U1,Z1)}n1=1是一組來自上述模型非完整數據的隨機樣本,其中,當Yi
3、可觀測時δi=1;當Yi不可觀測時,δ1=0,Zi=(Zi1,…Zip)T,{αj(·)}p1=0是一些R上的可測函數,α0(·)稱為常數項函數,{αj(·)}Pj=1稱為變系數函數(系數函數),{εi}ni=1是隨機誤差,且獨立同分布,E(ε1)=0,Var(ε)=σ2. 本文中假設因變量Y是隨機缺失的,這表明,對于給定的(X,U,Z),δ和Y是條件獨立的,即選擇概率P(δ=1|Y,X,U,Z)P=(δ=1|X,U,Z)≡π(
4、X,U,Z)>0. 本文討論了如下三個問題: 1)基于完整數據下的估計.主要使用了局部線性方法和平均技巧給出常數項函數和變系數函數兩部分的估計,證明了各個估計量的漸近偏差和方差. 2)加權局部線性估計.采用選擇概率的倒數作為加權.同樣使用局部線性方法和平均技巧給出常數項函數和變系數函數兩部分的估計,進而證明各個估計量的漸近偏差和方差. 3)回歸借補估計.方法分兩步:首先基于完整數據,來補足缺失值.接著令Y
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔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
- 缺失數據下帶約束條件的部分線性變系數EV模型估計.pdf
- 缺失數據下函數系數部分線性模型的估計.pdf
- 28911.缺失數據下帶約束條件的部分線性變系數ev模型的估計
- 不同光滑度變系數部分線性模型的估計.pdf
- 變系數部分線性模型的局部M-估計.pdf
- 變系數部分線性模型的參數估計與統計診斷.pdf
- 縱向數據下部分線性變系數模型的光滑估計函數
- 函數系數部分線性模型的小波估計.pdf
- 響應變量有缺失時變系數部分線性模型的統計推斷.pdf
- 約束條件下部分線性模型估計的若干性質.pdf
- 函數系數和部分線性模型中的估計問題.pdf
- 部分線性模型的估計.pdf
- 部分線性回歸模型的估計.pdf
- 響應變量隨機缺失的部分線性模型的統計推斷.pdf
- 12185.缺失數據下部分線性模型的多重穩健估計
- 部分線性模型的小波估計.pdf
- 比例變系數線性模型的估計.pdf
- 半參數變系數部分線性測量誤差模型的變量選擇.pdf
- 固定效應下部分線性變系數面板模型的協方差矩陣檢驗
- 響應變量隨機缺失下變系數模型的統計推斷.pdf
評論
0/150
提交評論