部分线性单指标模型参数部分的统计推断.pdfVIP

中国科学 A 辑 : 数学 2009 年 第 39 卷 第 8 期 : 939 ∼ 952 部分线性单指标模型参数部分的统计推断 ① ①②* 黄振生 , 张 日权 ① 华东师范大学金融与统计学院, 上海 200241 ② 山西大同大学数学系, 大同 037009 E-mail: zhangriquan@163.com 收稿 日期: 2008-07-29; 接受 日期: 2008-12-25; * 通信作者 国家 自然科学基金 (批准号:, 山西 自然科学基金 (批准号: 2007011014) 和华东师范大学 2009 年优秀博士研 究生培养基金资助项 目 摘要 考虑部分线性单指标模型参数部分 的统计推断问题. 主要研究利用剖面最小二乘 法 (profile least-squares technique) 估计模型的未知参数和函数, 并利用该估计建立模型 中 参数部分 的广义似然比 (generalized likelihood ratio, GLR) 检验统计量. 在原假设条件下, 文 中新提 出的 GLR 检验统计量渐近服从具有尺度常数 (scale constant) 与 自由度独立于讨 2 厌参数 (nuisance parameters) 的 χ -分布, 这一现象被称为 Wilks 现象. 最后给 出数字模拟 与实际例子, 验证文 中所提 出的检验方法. 关键词 渐近正态性 GLR 检验 局部线性方法 部分线性单指标模型 剖面最小二乘 法 Wilks 现象 MSC(2000) 主题分类 62G10, 62G20 1 引言 单指标模型是多元 回归分析的有效工具, 它可表述为 Y = a0 (αTX ) + ε, (1) 0 其 中 a0 (·) 是一元未知可测 函数, α0 ∈ Rq 是未知参数 向量, 且为了模型的可识别性要求 α0 = 1. X ∈ Rq , Y ∈ R, 误差 ε 独立于 X 且 E (ε) = 0 和 Var(ε) = σ2 . 对于模型 (1) 的 研究 已有大量文献, 参见文献 [1–4] 等. 模型 (1) 的优点是通过把多元变量降维至一个指标 αTX , 从而不仅避免了所谓 的 “维数祸根 (curse of dimensionality)” 问题, 而且仍能捕捉到高 0 维数据的重要特征. 为了进一步捕捉到响应变量与协变量之间内在的关系, Carroll 等 [5] 通过把单指标模型 与线性模型合并提出了部分线性单指标模型 Y = a0 (αTX ) + βT Z + ε, (2) 0 0 其 中 Z = (Z , . . . , Z )T ∈ Rp 为协变量, β = (β , . . . , β )T 是 Rp 上的未知参数, 误差 ε 独立 1 p 0 01 0p 于 X 和 Z 且 E (ε) = 0 和 Var(ε) = σ2 , 模型 (2) 的其他参数及变量参见模型 (1) 中的解释. 对 引用格式: 黄振生, 张 日权. 部分线性单指标模型参数部分的统计推断. 中国科学 A, 2009, 39(8): 939–952 Huang Z S, Zhang R Q. Statistical inference on parametric part for partially linear single-index model. Sci China Ser A, 2009, 52, DOI: 10.1007/s11