响应变量随机缺失下部分线性单指标模型的非参数判别检验.PDFVIP

文章编号：１６７４⁃７０７０（２０１３）０５⁃０４６６⁃０６ 响应变量随机缺失下部分线性单指标 模型的非参数判别检验 来鹏１ 摘要 ０　 引言 研究了响应变量随机缺失情况下部 分线性单指标模型的非参数部分检验问 　 　 回归分析作为统计学中一个非常实用的技术方法被用在很多不 题，检验非参数部分预测变量同响应变 同的领域，但是在回归分析中维数过高和变量之间的共线性问题常 量之间是否存在非线性关系． 用参数和 非参数函数的借补估计对缺失响应变量 常会给分析工作者带来困扰．为解决分析研究中碰到的高维问题，避 进行插值，并基于借补估计构造了广义 免所谓的“维数祸根”，许多降维方法以及一些参数或者半参数模型 似然比检验统计量，证明了其渐近分布 被提出，例如可加模型、部分线性模型以及广义部分线性单指标模型 性质． 关键词 等．部分线性单指标模型由于其本身既包含线性部分又包含非线性 部分线性单指标模型；随机缺失；借 部分，使得其不仅可以拟合预测变量与响应变量之间的线性关系，又 补估计；广义似然比统计量 可以拟合它们之间的非线性关系，因而可以被运用到许多领域，能够 中图分类号 Ｏ２１１６１ 处理比线性回归模型更广泛的问题，并且能在一定程度上避免协变 文献标志码 Ａ 量过多情况下非参数估计常碰到的“维数祸根”问题．其模型形式为 Ｔ Ｔ Ｙ ＝ ｇ（Ｘ β） ＋Ｚ θ ＋ε， （１） 其中Ｙ是刻度响应变量，Ｘ和Ｚ别是ｐ维和ｑ维协变量，ｇ（·）是一个未 知可测函数，随机统计误差ε满足Ｅ（ε Ｘ，Ｚ） ＝０和Ｖａｒ（ε Ｘ，Ｚ） ＝ ２ σ ．考虑到模型的可识别性，要求参数β 满足 ‖β ‖＝ １．从此模型的 形式可以发现，当β ＝ １，ｐ ＝ １时，模型就变成一般的部分线性模型； 而当θ ＝０时，模型为单指标模型． 对模型（１）相应的研究可参见文献 ［１⁃４］． 模型（１）包含线性部分和非线性部分，如何去判定模型中哪些变 量同响应变量有线性关系，哪些变量同响应变量有非线性关系，这决 ［５］ 定了模型建构是否正确，是否能有效地解决实际问题．Ｚｈａｎｇ 在完全 数据的情况下通过构造广义似然比统计量来检验部分线性单指标模 型的非参数部分是否同响应变量存在线性关系． 在实际中，数据可能 由于设计或者偶然性等各种原因而出现缺失． 例如可能由于响应变 收稿日期 ２０１２⁃１０⁃１５ 量Ｙ的测量费用非常昂贵，而导致仅有部分数据被观测到；又可能响 资助项目 国家自然科学基金１１３０ 应变量Ｙ代表一些问题的问答，而有些抽样的个体拒绝回答问题等． １２７９）；江苏省高校自然科学研究基金（１２ＫＪＢ １１００１６）；江苏省自然科学基金（ＢＫ２０１２４５９） 数据经常为不完全的随机样本： 作者简介 （Ｙ ，δ ，Ｘ ，