因变量缺失下部分线性变系数变量含误差模型的估计.pdfVIP

墟 数学物理学报 http：／／actams．wipm．ac．en 因变量缺失下部分线性变系数变量含误差模型的估计 魏传华 (中央民族大学理学院统计学系 北京100081) 摘要：该文主要考虑部分线性变系数模型在 自变量含有测量误差以及因变量存在缺失情形下 的估计问题．基于 Profile最小二乘技术，针对参数分量和非参数分量提出了多种估计方法． 第一种估计方法只利用了完整观测数据，而第二种和第三种估计方法分别利用了插补技术和 替代技术．参数分量的所有估计被证明是渐近正态的，非参数分量的所有估计被证明和一般非 参数回归函数的估计具有相同的收敛速度．对于因变量的均值，构造了两类估计并证明了它们 的渐近正态性．最后，通过数值模拟验证了所提方法． 关键词：部分线性变系数模型；变量含误差；缺失数据；Profile最小二乘；渐近正态． MR(2000)主题分类：62J99；62G05；62G08 中图分类号：O212 文献标识码：A 文章编号：1003—3998(2010)04—1042—13 1 引言 近二十年来，借助于计算机强大计算能力而发展起来的半参数建模方法得到了人们的广 泛关注．半参数模型具有多种形式，常见的有可加模型，变系数模型，部分线性模型，单指标 模型以及它们的混合形式等．其中一类重要的半参数模型为如下的部分线性变系数模型 y=ZT +XT ()+E， (1．1) 其中y是因变量，Z，X和 U为 自变量，我们假设U为一单变量． =(， ，… ， )为 未知的参数分量， (．)=( (．)，Oz()·，… ，OZ(．))为未知的系数函数，模型误差 ￡有 E[~IX，Z，U]=0． 显然，当Z=0时，模型 (1．1)即为变系数模型．变系数模型的建模思想早已存在，但 直到Hastie和Tibshirani[]的发表才引起了人们的重视．由于其 良好的解释能力，变系数模 型已经得到了广泛的研究，被成功的应用到非线性时间序列建模，函数型数据和纵向数据分 析，空间分析以及金融计量分析等相关问题的研究中．当P=1，X=1时，模型 (1．1)即为 部分线性模型．部分线性模型 自Engle等 【】研究气温与用电量的关系时提出以后，受到了 统计学家与计量经济学家的广泛关注，在理论与应用上都得到了深入的研究． 作为变系数模型与部分线性模型的推广，模型 (1．1)在近年来得到了人们的重视．Zhang 等 。【]基于局部多项式光滑技术提出了模型的两步估计方法；Zhou和 YOu【J构造了参数分 收稿 日期：2008—08—20；修订 日期：2009—10一i1 E—maihchweisd@yahoo．corn ．cii 基金项 目：国家社科基金 (07CTJ003)和中央民族大学 2“11工程”项 目(021211030312)资助 No．4 魏传华：因变量缺失下部分线性变系数变量含误差模型的估计 1043 量以及非参数分量的小波估计；Xia等 [】基于局部线性方法提出了一种新的有效估计； Ahmad等 0[]给出了模型的一般级数估计；Fan和Huang[剐针对参数分量提出了Profile最 小二乘估计并且基于广义似然比检验方法研究了该模型的检验问题；You和Chen[s]研究了 当 自变量 z测量含误差时模型的估计． 实际问题分析中，我们会经常遇到数据缺失现象，缺失数据的处理一直受到统计学家的 重视．Little和Rubin[9_对缺失数据问题进行了深入全面的讨论．在回归分析领域，Abu— Salin[] Cheng[n】Chu和 Cheng[】，Wang等 [13]，Wang和 Sun