两类异方差半参数回归模型性质的分析-数学;应用数学专业论文.docxVIP

重庆大学硕士学位 重庆大学硕士学位论文 英文摘要 PAGE PAGE IV Keywords: Heterocedastic, Semi-varying coefficient model, Partially linear model, Empirical likelihood, The weighted least squares 重庆大学硕士学位论 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II 1 绪 论 1 1.1 研究背景及意义 1 1.2 国内外研究现状 2 1.2.1 半变系数模型 2 1.2.2 部分线性模型 4 1.3 本文的研究内容和结构 5 2 半参数回归模型的估计方法 7 2.1 预备知识 7 2.1.1 半变系数模型 7 2.1.2 部分线性模型 8 2.2 参数估计和非参数估计的方法 9 2.2.1 经验似然法 9 2.2.2 B 样条估计 11 2.2.3 加权最小二乘法 11 2.2.3 局部多项式估计 12 2.3 半参数回归模型估计的渐近性质 12 2.3.1 半变系数模型估计的渐近的性质 12 2.3.2 部分线性模型估计的渐近性质 14 3 异方差半变系数模型伴有测量误差的经验似然 15 3.1 引言 15 3.2 经验似然比统计量 15 3.3 经验似然统计量的渐近性质 17 3.4 主要结果的证明 18 3.5 模拟研究 23 3.6 本章小结 24 4 异方差部分线性模型估计的渐近性质 25 4.1 引言 25 4.2 加权最小二乘估计 25 4.3 主要结果 26 4.4 主要结果的证明 27 4.5 本章小结 32 5 总 结 33 致 谢 34 参考文献 35 附 录 39 A. 作者在攻读硕士学位期间发表的论文目录 39 重庆大学硕士学位 重庆大学硕士学位论文 1 绪 论 PAGE PAGE 10 1 绪 论 1.1 研究背景及意义 伴随着经济技术的高速发展，研究自然科学的问题变得越来越复杂，待处理 的数据量也逐渐变得庞大，如何从隐藏在大量看似杂乱无章的数据背后将有用的 信息提炼出来，并总结出所研究内容的潜在规律。随着计算机性能的不断提升， 这就为数据的收集、储存、传输、科学计算和分析提供了可能。因此，统计学家 们面临着前所未有的机遇和挑战，近二十余年以来，回归模型的研究已取得了快 速而具有实质性的进展，它的应用领域更加广泛。 回归模型常用来研究响应变量和解释变量之间的隐藏关系，主要用来研究自 然科学、生物医学、、工程技术、计量经济学、等领域中的统计发展规律。线性模 型是常用经典的参数模型，该模型的一般形式表示为： y ??x1??1??x ?2 ?2 ??xp ??p ??? (1.1) 其中 y 表示响应变量，X ??(x1, x2 ,  px )T p 表示 p 维的解释变量。模型(1.1)由两部分组 成。一部分是由解释向量 X 引起响应变量 y 线性变化，即 ?0 ??x1?1 ??x2 ?2 ? ??xp ?p ； 另一部分是由随机因素引起的，记做随机误差项 ??。模型(1.1)通常有两个基本的假 定，一是假定误差项 ??服从正态分布，且各抽样导致的误差 ?1,?2 ,...,?n 具有相同的 方差??2 ；二是假设响应变量与解释向量之间具有线性关系。模型结构确定，待估 计的参数有 ?0 , ?1, ?2 ,..., ? ,??2 。常用的估计方法有极大似然法和最小二乘法等。由 p于线性模型具有直观和容易解释的特点，这为数学上的处理和实际应用带来极大 p 的方便，同时，它也并存一定的缺陷，由于假设的不合理导致建立的模型不能很 好地反映实际情况，即与实际情况不相符，那么可能诱使我们做出错误的决策。 过去三十年，统计学家又关注适用范围较广的非参数回归模型，并且该模型 的发展与应用十分迅速，该模型的理论体系已趋近完善，包括各种非参数模型的 建立、光滑参数的选取、估计的渐近性质的理论研究、置信带的构造以及对各种 非参数模型的假设检验等。该模型的一般形式为： y ??m(x1, , xp ) ??? (1.2) 其中 m(?) 为未知函数。非参数回归模型的最大优点就是对回归函数 m(?) 的形式不做 过多的假设，可以是任意的形式，致使模型的适应能力强、稳健性好。然而，它 也存在一定的缺陷，比如随着解释变量的个数的增加，非参数估计的方法将会发 生―维数祸根‖现象，这样所得的估计就不稳定，而且模型不能进行外推预测、模型 结构过于灵活等。 半参数回归模型是结合了参数和非参数回归模型的优点而发展起来的，它继 承了参数方法具有精确函数形式以确定参数的优点和非参数方法比