导读:本文包含了单指标回归模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,指标,线性,位数,局部,渐近,系数。
单指标回归模型论文文献综述
夏强,梁茹冰,李高荣[1]（2019）在《参数单指标分位数自回归模型的诊断检验》一文中研究指出本文研究参数单指标时间序列分位数自回归模型有效性的检验问题.当分位数回归变量的维数较大时,现有的检验方法将面临"维数灾难"问题.为了解决这个问题,本文基于残差经验过程,利用降维思想构造统计量,它有效地适应于参数单指标时间序列分位数自回归模型.本文提出Khmaladze鞅转换方法来替代经验过程,并构造检验统计量,证明所构造的检验统计量能够渐近收敛到分布自由的标准Brown运动.模拟研究和实际数据分析的结果表明,本文所提方法在参数单指标分位数自回归模型的检验中优于已有的检验方法.(本文来源于《中国科学:数学》期刊2019年06期）
陈粮阳[2]（2018）在《基于整合分析的部分线性单指标分位数回归模型》一文中研究指出近年来,半参数回归模型在统计方法中逐渐盛行,无论是理论研究还是实际应用,都受到了广大学者的关注.部分线性单指标模型(PLSIM)是一种非常重要的高维半参数模型,它能够有效地解决数据高维性问题,并保持良好的可解释性和较广的适应性.目前,关于PLSIM模型的估计方法大多基于均值回归,然而当数据存在异常值、随机误差为异方差或者偏离正态分布时,模型的估计精度则会大大下降.另外,国内外学者关于部分线性单指标模型的研究更多建立在变系数和局部多项式方法上,当变量维度较高、数据量较大时,模型的计算速度则会变得很慢.因此,本文结合分位数回归和半参数方法研究了部分线性单指标分位数回归模型(QPLSIM)及其变量选择,对所建立的模型采取B样条函数逼近,引入MCP惩罚函数,并基于迭代加权最小二乘与单纯形搜索法给出了具体的两阶段估计算法.在一定条件下,本文证明了模型参数估计的渐近正态性与变量选择的oracle性质,并通过数值模拟和实证分析验证了所提方法的有效性,在保证准确率的同时,大大提高了模型的计算速度.此外,数据往往是由来源、格式或主体不同的数据集合并而成,且呈现出高维性和稀疏性.基于多个数据集,如何建立合适的统计方法来挖掘不同子样本之间的同质性与异质性,并实现降维去噪是大数据分析所面临的重大挑战之一.整合分析能够同时考虑多个数据集,避免因时间、地域等因素所引起的模型不稳定问题,是研究数据差异性的有效方法.它将每个协变量在所有数据集中的系数视为同一组,引入惩罚函数对系数组进行双层压缩,研究变量间的关联性并实现降维.因此,本文在QPLSIM模型的基础上继续深入研究,提出了基于整合分析的部分线性单指标分位数回归模型(IAQPLSIM).针对异构数据,本文采用了同时考虑组内与组间变量选择的复合惩罚函数(Composite MCP),在一定条件下证明了模型变量选择的oracle性质,并通过数值模拟和实证分析验证了所提方法的有效性.最后,将IAQPLSIM模型与QPLSIM模型的结果进行比较,发现前者的估计精度和变量选择准确率更高,模型的拟合效果更好。(本文来源于《浙江工商大学》期刊2018-12-01）
宋涛涛[3]（2018）在《基于部分自回归单指标模型的社交网络分析》一文中研究指出在统计学中,部分线性单指标模型是一种十分重要的半参模型,广泛地应用于许多领域,然而在社交网络领域中的应用较少。本文研究的是大规模社交网络,建立的模型既考虑了网络的动态性,又考虑了网络的结构。将每一时刻社交网络中各个行为者的特征作为因变量(在这里仅考虑连续变量),因此来自网络中的所有个体构成了一个高维度的向量。在部分自回归单指标模型中,涉及到四个自变量,即个体前一时刻的行为特征,与行为者有关联的其他个体前一时刻的行为特征,行为者自身的其他特征(与时间无关的特征)和随机误差。本文对因变量和这些自变量间的线性关系进行分析,确定模型中的线性部分和非线性部分。采用profile最小二乘估计方法对模型中的未知参数和未知链接函数进行估计,得到了较好的估计结果。此外,为了优化网络结构,增加模型研究的实用性,从理论上进行了网络的结构分析和干预分析。本文阐述了叁种不同的社交网络生成机制,并基于这叁种网络生成机制模拟数据,对这些数据利用网络向量自回归模型和部分自回归单指标模型进行拟合,对比了模型的参数估计效果和残差。结果显示部分自回归单指标模型对数据的拟合效果优于网络向量自回归模型,更符合实际情况。(本文来源于《青岛大学》期刊2018-05-28）
魏满满[4]（2017）在《单指标分位数回归模型估计及变量选择》一文中研究指出单指标模型是一类建模灵活应用非常广泛的半参数模型.本文将应用B样条逼近技术及分位数回归方法研究单指标模型的估计和变量选择问题.首先,利用B样条光滑技术逼近未知指标函数,然后使用基于port的非线性优化的方法来得到模型中指标函数估计.我们提出了单指标分位数回归变量选择程序,通过自适应LASSO惩罚方法来得到指标参数的稀疏估计.最后,我们通过大量模拟分析说明了所提方法的有效性.本文还推广了关于单指标分位数回归模型的估计及变量选择方法,进一步研究了部分线性单指标分位数回归模型的估计及变量选择问题。(本文来源于《江苏师范大学》期刊2017-06-01）
郭召[5]（2017）在《基于众数回归的部分线性单指标模型的统计诊断》一文中研究指出一个分布的众数是一种很重要的数据特征,基于这种特征,众数回归表现出了诸多优点。尤其在最近几年,它已经在众多数据分析领域中得到广泛应用,已经成为参数估计的一个有力工具。例如在Yao和Li(2013)写的文献中,他们初次提出了一种新的回归方法-众数回归来对线性模型进行参数估计,在Hu和Jiang(2014)写的文献中,他们对基于局部众数回归的部分线性单指标模型进行了估计等等,但是尚未有文章对基于众数回归的模型的参数估计进行统计诊断,所以本论文将在他们估计的基础上对对线性模型和部分线性单指标模型进行统计诊断。我们研究了它们基于数据删除模型的统计诊断、局部影响分析等一系列问题,现将主要研究内容概述如下:1.在Yao和Li(2013)的基础上,我们对基于众数回归的线性模型进行基于数据删除模型的统计诊断和局部影响分析,以此来判断某些点是否是异常点或强影响点。2.在Hu和Jiang(2014)的基础上,我们将对基于众数回归的部分线性单指标模型进行基于数据删除模型的统计诊断、众数漂移模型的统计诊断和模型的局部影响分析。3.在Hu和Jiang(2014)的基础上,我们将对基于众数回归的部分线性单指标模型进行贝叶斯局部影响分析。(本文来源于《云南大学》期刊2017-05-01）
康大林[6]（2017）在《单指标变系数混合回归模型的统计推断》一文中研究指出混合模型的出现由来已久,由于能灵活地拟合复杂数据中的局部波动性(例如多峰性),它已经逐渐成为一种挖掘数据潜藏信息的重要的工具,被应用在诸多领域。早期,碍于参数估计的计算方法的不成熟,模型发展缓慢。于1977年,EM算法正式提出。这种迭代算法遵循了极大似然思想,且具有简单可行性和稳定收敛性的优点,逐渐成为计算混合模型参数的首要算法。再者,在研究因变量与自变量关系的回归思想引入后,混合模型的研究进入又一个崭新的阶段。除此以外,可识别性、混合层的数目、标号交换等问题亦是研究此类模型的关注点。受限于维数灾难问题,已有的非参数或半参数混合模型只使用一维协变量。在单指标回归模型与混合变系数回归模型的启发下,本文提出的模型可以使用多维协变量,而无需顾虑维数灾难问题。本文的创新点如下:首先,我们提出了单指标变系数混合回归模型,并证明了该模型的可识别性。接着,我们给出用来估计非参数函数θ(u)与指标系数α的EM算法。更具体地,我们采用核函数估计θ(u)的局部常数值;并利用线性插值法保证θ(u)的估计在每一步迭代中是连续光滑的;对于指标系数α的估计,我们使用格子点法更新;我们使用10-折交叉验证法给核函数选择最优窗框。然后,在适当的正则条件下,我们给出了估计的渐近性质及相应的证明过程。最后,通过与其他模型比较的模拟实验中,我们展示本文模型在应用上的优势。(本文来源于《南京师范大学》期刊2017-02-24）
郭文雯,崔恒建[7]（2015）在《带自回归过程的单指标模型的参数估计及其渐近性质》一文中研究指出研究了带有一阶自回归误差结构的单指标模型的参数估计及其渐近性质问题,利用局部多项式回归的方法对未知的联系函数进行估计,基于最大似然方法提出了模型的参数估计方法,同时在一些基本的假设下证明了估计的相合性及其渐近正态性,并给出模拟计算和应用实例以表明所提方法的有效性.(本文来源于《系统科学与数学》期刊2015年12期）
张静[8]（2015）在《空间单指标自回归模型的估计与检验》一文中研究指出作为计量经济学的一个新的分支学科,空间计量经济学在近些年来发展迅速,越来越多的学者对其理论和应用进行了深入的探讨。空间计量经济学的基础是空间自回归模型,空间自回归模型现已成为应用最为广泛的建模方法。但是,空间自回归模型属于参数模型,在实际数据产生机制下,参数模型可能不能很好地解释实际数据。于是为了更好的探索变量间的复杂关系,非参数与半参数模型在计量经济学和统计学领域都得到了重视,但是基于非参数与半参数模型分析空间数据的研究结果却相对较少。为了能更好的解释数据和避免“维数灾难”,本文首先提出空间单指标自回归模型,空间单指标自回归模型是参数空间自回归模型和半参数单指标回归模型的推广模型,正因为它不仅具有独特的降维特性又能很好的拟合空间数据,对其进行研究将是一件十分有意义的事情。其次,由于局部线性是一种比较好的近似未知函数的方法,M-估计又是一种比较稳健的估计方法,因此本文基于局部线性光滑和M-估计法相结合的两阶段方法及极大似然估计方法对空间单指标自回归模型进行估计,进而基于Bootstrap对该模型的参数与非参数部分进行检验。最后通过数值模拟检验所提方法的有效性。(本文来源于《新疆大学》期刊2015-06-30）
吕亚召,张日权,赵为华,刘吉彩[9]（2014）在《部分线性单指标模型的复合分位数回归及变量选择》一文中研究指出本文提出复合最小化平均分位数损失估计方法 (composite minimizing average check loss estimation,CMACLE)用于实现部分线性单指标模型(partial linear single-index models,PLSIM)的复合分位数回归(composite quantile regression,CQR).首先基于高维核函数构造参数部分的复合分位数回归意义下的相合估计,在此相合估计的基础上,通过采用指标核函数进一步得到参数和非参数函数的可达最优收敛速度的估计,并建立所得估计的渐近正态性,比较PLSIM的CQR估计和最小平均方差估计(MAVE)的相对渐近效率.进一步地,本文提出CQR框架下PLSIM的变量选择方法,证明所提变量选择方法的oracle性质.随机模拟和实例分析验证了所提方法在有限样本时的表现,证实了所提方法的优良性.(本文来源于《中国科学:数学》期刊2014年12期）
何冰[10]（2011）在《单指标回归模型与半变系数模型的统计推断》一文中研究指出本文主要研究了单指标回归模型和半变系数模型的统计推断.首先.针对单指标模型回归方程之间存在相关性的问题,构造未知参数部分的加权估计,改进了未知函数的局部多项式估计,给出估计的渐近正态性质,并说明此种方法得出的参数和非参数估计比忽略回归方程之间的相关性所得到的估计更有效.其次,针对广义部分线性单指标模型(GPLSIM),我们研究了模型中参数部分的经验似然统计推断.基于模型非参数部分的局部线性估计,我们利用拟似然方程构造了参数部分的经验似然比统计量,并说明该统计量是渐近地服从卡方分布的.相应地构造出参数部分的置信域.在文章的最后一部分,针对半变系数模型,我们提出一种基于经验似然的方法来研究模型序列相关性的检验问题,并给出检验统计量的渐近分布.这种方法不但可以检验高阶序列相关性,而且对于误差的分布不作任何假定.(本文来源于《吉林大学》期刊2011-11-01）
单指标回归模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,半参数回归模型在统计方法中逐渐盛行,无论是理论研究还是实际应用,都受到了广大学者的关注.部分线性单指标模型(PLSIM)是一种非常重要的高维半参数模型,它能够有效地解决数据高维性问题,并保持良好的可解释性和较广的适应性.目前,关于PLSIM模型的估计方法大多基于均值回归,然而当数据存在异常值、随机误差为异方差或者偏离正态分布时,模型的估计精度则会大大下降.另外,国内外学者关于部分线性单指标模型的研究更多建立在变系数和局部多项式方法上,当变量维度较高、数据量较大时,模型的计算速度则会变得很慢.因此,本文结合分位数回归和半参数方法研究了部分线性单指标分位数回归模型(QPLSIM)及其变量选择,对所建立的模型采取B样条函数逼近,引入MCP惩罚函数,并基于迭代加权最小二乘与单纯形搜索法给出了具体的两阶段估计算法.在一定条件下,本文证明了模型参数估计的渐近正态性与变量选择的oracle性质,并通过数值模拟和实证分析验证了所提方法的有效性,在保证准确率的同时,大大提高了模型的计算速度.此外,数据往往是由来源、格式或主体不同的数据集合并而成,且呈现出高维性和稀疏性.基于多个数据集,如何建立合适的统计方法来挖掘不同子样本之间的同质性与异质性,并实现降维去噪是大数据分析所面临的重大挑战之一.整合分析能够同时考虑多个数据集,避免因时间、地域等因素所引起的模型不稳定问题,是研究数据差异性的有效方法.它将每个协变量在所有数据集中的系数视为同一组,引入惩罚函数对系数组进行双层压缩,研究变量间的关联性并实现降维.因此,本文在QPLSIM模型的基础上继续深入研究,提出了基于整合分析的部分线性单指标分位数回归模型(IAQPLSIM).针对异构数据,本文采用了同时考虑组内与组间变量选择的复合惩罚函数(Composite MCP),在一定条件下证明了模型变量选择的oracle性质,并通过数值模拟和实证分析验证了所提方法的有效性.最后,将IAQPLSIM模型与QPLSIM模型的结果进行比较,发现前者的估计精度和变量选择准确率更高,模型的拟合效果更好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
单指标回归模型论文参考文献
[1].夏强,梁茹冰,李高荣.参数单指标分位数自回归模型的诊断检验[J].中国科学:数学.2019
[2].陈粮阳.基于整合分析的部分线性单指标分位数回归模型[D].浙江工商大学.2018
[3].宋涛涛.基于部分自回归单指标模型的社交网络分析[D].青岛大学.2018
[4].魏满满.单指标分位数回归模型估计及变量选择[D].江苏师范大学.2017
[5].郭召.基于众数回归的部分线性单指标模型的统计诊断[D].云南大学.2017
[6].康大林.单指标变系数混合回归模型的统计推断[D].南京师范大学.2017
[7].郭文雯,崔恒建.带自回归过程的单指标模型的参数估计及其渐近性质[J].系统科学与数学.2015
[8].张静.空间单指标自回归模型的估计与检验[D].新疆大学.2015
[9].吕亚召,张日权,赵为华,刘吉彩.部分线性单指标模型的复合分位数回归及变量选择[J].中国科学:数学.2014
[10].何冰.单指标回归模型与半变系数模型的统计推断[D].吉林大学.2011
论文知识图
