删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

部分线性变系数模型的新复合分位数回归估计

本站小编 Free考研考试/2021-12-27

部分线性变系数模型的新复合分位数回归估计 刘艳霞1, 芮荣祥1, 田茂再1,2,31. 中国人民大学应用统计科学研究中心, 中国人民大学统计学院, 北京 100872;
2. 新疆财经大学统计与信息学院, 乌鲁木齐 830012;
3. 兰州财经大学统计学院, 兰州 730020 A Novel Composite Quantile Regression Estimation for the Partial Linear Variable Coefficient Models LIU Yanxia1, RUI Rongxiang1, TIAN Maozai1,2,31. Center for Applied Statistics,School of Statistics, Renmin University of China, Beijing 100872, China;
2. School of Statistics and Information, Xinjiang University of Finance and Economics, Xinjiang 830012, China;
3. School of Statistics, Lanzhou University of Finance and Economics, Lanzhou 730020, China
摘要
图/表
参考文献
相关文章(15)
点击分布统计
下载分布统计
-->

全文: PDF(476 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)
摘要针对部分线性变系数模型的参数估计问题,提出了一种新复合分位数回归估计方法.利用复合分位数回归法估计参数部分,局部非线性复合分位数回归法估计变系数函数部分,并在若干正则条件下,证明了常系数和变系数函数估计量具有较好的渐近正态性质.通过随机模拟和实例分析,验证了所提估计方法在有限样本下的良好表现,有效的证明了所提方法的优越性.
服务
加入引用管理器
E-mail Alert
RSS
收稿日期: 2019-09-19
PACS:62G05
62G20
基金资助:中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目成果:大数据分析的稳健统计理论与应用研究(编号:18XNL012).

引用本文:
刘艳霞, 芮荣祥, 田茂再. 部分线性变系数模型的新复合分位数回归估计[J]. 应用数学学报, 2021, 44(2): 159-174. LIU Yanxia, RUI Rongxiang, TIAN Maozai. A Novel Composite Quantile Regression Estimation for the Partial Linear Variable Coefficient Models. Acta Mathematicae Applicatae Sinica, 2021, 44(2): 159-174.
链接本文:
http://123.57.41.99/jweb_yysxxb/CN/ http://123.57.41.99/jweb_yysxxb/CN/Y2021/V44/I2/159


[1] Shang S P, Zou C L, Wang Z J. Local Walsh-average regression for semiparametric varyingcoefficient models. J. Statistics and Probability Letters, 2012, 82(10):1815-1822
[2] Sun J, Lin L. Local rank estimation and related test for varying-coefficient partially linear models. J. Journal of Nonparametric Statistics, 2014, 26(1):187-206
[3] Zhou X, You J H. Wavelet estimation in varying-coefficient partially linear regression models. J. Statistics and Probability Letters, 2004, 68(1):91-104
[4] Fan J Q, Huang T. Profile likelihood inferences on semiparametric varying-coefficient partially linear models. J. Bernoulli, 2005, 11(6):1031-1057
[5] 张波, 郭海兵. 部分线性变系数模型的一种新的轮廓(Profile)最小二乘估计. 数理统计与管理, 2015, 34(2):275-283(Zhang Bo, Guo Haibing. A novel profile least square estimation for the partially linear varyingcoefficient models. Journal of Applied Statistics and Management, 2015, 34(2):275-283)
[6] Koenker R Bassett G. Regression quantiles. J. Econometrica, 1978, 46(1):33-50
[7] Koenker R Bassett G. Robust tests for heteroscedasticity based on regression quantiles. J. Econometrica, 1982, 50(1):43-61
[8] Wang H J, Zhu Z Y, Zhou J H. Quantile regression in partially linear varying coefficient models. J. Annals of Statistics, 2009, 37(6B):3841-3866
[9] Du J, Zhang Z Z, Sun Z M. Variable selection for partially linear varying coefficient quantile regression model. J. International Journal of Biomathematics, 2013, 6(3):135-149
[10] Shen Y, Liang H Y. Quantile regression for partially linear varying-coefficient model with censoring indicators missing at random. J. Computational Statistics Data Analysis, 2018, 117:1-18
[11] Kai B, Li R, Zou H. Local composite quantile regression smoothing:An efficient and safe alternative to local polynomial regression. J. Journal of the Royal Statistical Society, Series B, 2010, 72(1):49-69
[12] Kai B, Li R Z, Zou H. New efficient estimation and variable selection methods for semiparametric varying-coefficient partially linear models. J. The Annals of Statistics, 2011, 39(1):305-332
[13] Jiang R, Qian W M, Zhou Z G. Weighted composite quantile regression for partially linear varying coefficient models. J. Communications in Statistics-theory and Methods, 2018, 47(16):3987-4005
[14] Hjort N, Pollard D. Asymptotics for minimizers of convex processes. Preprint, 1993
[15] Ruppert D, Sheather S J, Wand M P. An effective bandwidth selector for local least squares regression. J. Journal of the American Statistical Association, 1995, 90(432):1257-1270
[16] Knight K. Limiting distributions for l1 regression estimators under general conditions. J. The Annals of Statistics, 1998, 26(2):755-770

[1]张林娜, 温利民, 王江峰, 王伟. 基于广义线性模型的个体索赔RBNS准备金评估[J]. 应用数学学报, 2017, 40(4): 573-593.
[2]韩雪, 程维虎. 基于矩和L矩的三参数I型广义Logistic分布的参数估计[J]. 应用数学学报, 2017, 40(3): 331-344.
[3]王亚飞, 杜江, 张忠占. 相依误差下部分函数型线性模型的估计[J]. 应用数学学报, 2017, 40(1): 49-65.
[4]张兴发, 李元. 一类oneGARCH-M模型的拟极大[J]. 应用数学学报, 2016, 39(3): 321-333.
[5]温利民, 方婧, 梅国平. 聚合风险模型下Esscher风险度量的估计及其大样本性质[J]. 应用数学学报, 2015, 38(2): 330-339.
[6]邹清明, 朱仲义. 部分线性单指标模型的两步M-估计的大样本性质[J]. 应用数学学报(英文版), 2014, 37(2): 218-233.
[7]刘 强, 薛留根. 纵向数据下部分线性EV模型的渐近性质[J]. 应用数学学报(英文版), 2009, 32(1): 178-189.
[8]李永明. $\varphi$混合误差下回归函数小波估计的渐近正态性[J]. 应用数学学报(英文版), 2008, 31(6): 1046-1055.
[9]张日权. 强相依数据的函数系数部分线性模型的估计[J]. 应用数学学报(英文版), 2006, 29(2): 374-381.
[10]苟列红. 左截断右删失数据下半参数模型风险率函数估计[J]. 应用数学学报(英文版), 2005, 28(4): 675-688.
[11]刘焕彬, 孙六全. 截断与删失数据下的一个回归方法[J]. 应用数学学报(英文版), 2005, 28(1): 1-10.
[12]王炳章. 非参数回归函数的k_n近邻估计的渐近性质及其Bootstrap逼近[J]. 应用数学学报(英文版), 2001, 24(3): 410-417.
[13]孙六全, 任浩波. 具有左截尾数据的二元估计[J]. 应用数学学报(英文版), 2001, 17(2): 145-156.
[14]孙六全, 任浩波. 具有左截尾数据的二元估计[J]. 应用数学学报(英文版), 2001, 17(2): 145-156.
[15]王立洪. 带有相依样本的随机规划问题的渐近性态[J]. 应用数学学报(英文版), 1999, 22(1): 78-083.



PDF全文下载地址:

http://123.57.41.99/jweb_yysxxb/CN/article/downloadArticleFile.do?attachType=PDF&id=14882
相关话题/应用数学 统计 数据 中国人民大学 统计学院