函数系数和部分线性模型中的估计问题-概率论与数理统计专业论文.docxVIP

华东师范大学博士学位论_文r2塑型摘要 华东师范大学博士学位论_文r2塑型 摘要 部分线性模型和函数系数线性模型的理论、方法和应用近一、二十年来有了迅 速的发展．由于它们有着丰富的研究内容和广泛的实际应用范围，因而受到人们的 极大重视。本论文主要研究函数系数部分线性模型、比例函数系数线性模型，给出 了模型中的参数与未知函数的估计方法，并讨论了这些估计的渐近性质．本论文还 讨论了部分线性模型的稳健M-估计。以下是各章内容的简要介绍． 第一章简单地叙述了一元非参数回归模型的三类估计方法：局部光滑方法(Lo- cal modelling approach)，正交级数方法(Orthogonal series approach)和样条方法 (Spline approach)．本论文使用局部光滑方法中的局部多项式方法给出未知函数 的估计．第一章还讨论了多元回归模型．这里有一个很困难的问题即维数问题．由 于维数的增加使得收敛速度相当慢，且估计极不稳定。在统计上将这一现象叫作“维 数祸根”(curse ofdimensionality)．为了克服维数祸根，人们已提出各种不同模型 来降低维数．本论文为克服维数祸根问题，给出了两个变系数模型t函数系数部分 线性模型和比例函数系数线性模型．第一章还回顾了稳健M．估计最近的一些发展 情况．本论文讨论了部分线性模型的稳健M．估计。样本的独立假设，为数学和统 计处理带来了很多方便，有些时候也是合理的．但是在某些实际问题中，特别在经 济数据方面，样本并非是独立的观察值，而是相互依赖的．第一章简单地总结了现 有的数据混合相依类型。n一混合相依是混合相依中较弱的一种。很多随机过程， 包括很多时间序列都能够满足它的要求．本论文除了讨论样本是独立的情况。还讨 论了样本是Ot一混合相依的情况． 本论文的第二章讨论函数系数部分线性模型．Hastie和Tibshirani(1993)提 出了变系数模型或称函数系数模型(varying-coefficient models or functional．coefficient models)， Y=风(x)+卢l(x)zl+’‘+岛(x)名+E， 其中似(·)，0 S i≤P}是一些未知函数； y是回归变量； x是q维协变量， z=(Zj， ，磊)T是P维协变量，e是期望为0的随机误差．它们提出的变系数模 型是一个很一般的模型．由于“维数祸根”问题，在q1时。这个模型在处理实 际问题时不太可行．为此人们往往取q=1，即常数项函数卢0(．)、系数函数岛(．) (J=1， ，P)均为一元函数，且这些一元函数有相同的自变量。本论文与此不同 华东师范大学博士学位论文(2003) 华东师范大学博士学位论文(2003) 2 给出了常数项函数和系数函数具有不同自变量的变系数模型： P y=9(x)+∑3j(u)乃+e， J=1 其中Y∈R是响应变量，X∈R，U∈R，Z=(Z¨．-，磊)T∈Rp是协变量；常 数项函数目(·)和系数函数岛(．)(j；1， ，P)都是从兄到R的未知可测函数．假 设Z，U独立于X．为了识别模型，不妨假设E I￡岛(【，)Zj l=0。我们称这个 U21 ／ 模型为函数系数部分线性模型(functional—coefficient partial linear models)． 函数系数部分线性模型是一个比较一般的模型。若对所有的J=1， ，P， 岛(·)=岛，岛是常数，它就是部分线性模型。当g(·)=0时，它就是Cai，Fan和 Yao(2000)提出的变系数回归模型．当对所有的j=1， ，P，岛(·)=0时。它变 成了非参数模型． 在这个函数系数部分线性模型中，g(·)和{岛(·)，l≤J≤P)有着不同的自变 量，这给它们的估计增加了难度．我们首先对常数项函数9(．)使用局部线性估计方 法。给出了它的估计；然后对系数函数岛(·)(J=1， ，P)，通过应用常数项函数 的估计，使用局部线性估计方法给出其估计．我们称系数函数的这种估计方法为两 阶段估计方法．在数据是独立同分布的情况下，与数据是n一混合相依的情况下， 给出了常数项函数9(．)的估计的弱一致性、一致强相合性和渐近正态性，以及系数 函数岛(·)(J=1， ，P)的估计的弱一致性与渐近正态性．模拟研究显示，这些估 计方法是较为理想的． 本论文的第三章讨论比例函数系数线性模型．为克服维数祸根问题，本论文的 第三章给出了所有系数涵数是同一个函数，但具有不同的自变量的变系数模型； {略Y=re㈤(X；,Z羔)+∞a(XⅢ,Z)剐e磊， 其中Y是相应变