导读:本文包含了线性经验估计论文开题报告文献综述及选题提纲参考文献，主要关键词:非参数回归模型,部分线性模型,误差方差,经验欧氏似然
线性经验估计论文文献综述
彭仁华[1]（2019）在《部分线性模型误差方差的经验欧氏似然估计》一文中研究指出统计推断是数理统计研究的重要问题之一,我们知道分布函数不能由各阶矩决定,但是各阶矩能间接反映分布的一些重要信息,尤其是在分布函数未知的情况下,分布的各阶矩就显得尤为重要,如何根据样本对总体分布或分布的数字特征做出合理的推断是统计推断所要解决的问题,而对回归模型误差方差的估计就是其中一种.在回归模型中传统的参数估计方法并没有将样本的各阶矩对参数估计效果的影响考虑进去,以致在估计过程中并没有将样本的各阶矩所含有的信息对估计的影响充分反映出来,进一步影响到估计的效果.本文在利用经验欧氏似然方法的情况下,充分考虑误差的各阶矩所蕴含的信息,重新对回归模型中的误差方差进行估计.在固定设计的情形下,证明了估计量的渐近正态性,求出其渐近方差,将之与用传统的误差方差估计方法进行比较,得到新估计量的渐近方差更小这一结果.(本文来源于《广西师范大学》期刊2019-06-01）
陈家清,王玉,刘次华[2]（2018）在《污染数据情形下线性指数分布参数的经验贝叶斯估计（英文）》一文中研究指出本文研究污染数据情形下线性指数分布参数的经验贝叶斯估计问题.在平方损失函数下,导出参数的贝叶斯估计以及利用解卷积的核方法构造该参数的经验贝叶斯估计.在合适的条件下,得到基于超平滑误差分布类所提出的经验贝叶斯估计的一致收敛速度.(本文来源于《应用数学》期刊2018年04期）
张萍[3]（2018）在《线性模型误差方差的经验似然估计》一文中研究指出经验似然估计是统计界一直关注的领域之一,在社会、经济、医学等领域有重要的应用价值.在经验似然方法背景下,我们考虑线性模型中误差方差的估计是很有研究意义的.本文主要利用经验似然方法研究线性模型误差方差的一种新的估计问题,从而得到该估计的渐近估计.在一定的假设条件下,我们证明了该估计的渐近正态性,得出该估计的渐近方差比传统估计的渐近方差更小.然后,我们再通过数值模拟验证了本文的主要结论,同时比较本文提出的估计与传统估计的功效.本文的主要内容分为叁章:第一章为绪论,简要地介绍线性模型误差方差的经验似然估计和传统估计的研究概况,经验似然方法的研究背景和研究进展,以及本文研究的内容和创新点.第二章利用经验似然方法对传统估计进行修正,得到修正估计的渐近方差比传统估计的渐近方差更小,并给出本文的一些假设条件以及主要结果,模拟结果,引理及主要结果的证明.第叁章为本文的主要结论和展望.本文的主要结果和创新点可以归结为以下几点:1.本文首次利用经验似然方法研究固定设计情形线性模型误差方差的估计,并得到该估计的渐近方差;2.本文通过数值模拟对主要的结论进行了验证,同时与传统估计的功效相比较,从模拟结果知道,σ~2_(el)相对于σ_n~2的效率小于1.这表明本文利用经验似然方法得到的固定设计情形线性模型误差方差的估计,该估计的方差小于传统估计σ_n~2的方差.因此,经验似然估计方法极大地提高了固定设计情形线性模型误差方差的估计效率.(本文来源于《广西师范大学》期刊2018-06-01）
吴小莉[4]（2018）在《部分线性模型误差方差的经验似然估计》一文中研究指出自从Owen针对非参数情形系统地建立了经验似然方法之后,经验似然方法已被广泛用于各种统计模型,在社会、经济和医学等领域都有着重要的应用价值.部分线性模型是统计学中一种非常重要的模型,在许多领域都有广泛的应用.1986年,Engle等在研究电力需求和天气之间的关系这个实际问题时,首次提出了部分线性模型.由于部分线性模型包含参数和非参数两个部分,很容易解释各个变量的影响情况,因而在实际应用中比线性模型的灵活性和实用性更强.部分线性模型的适用性和有效性吸引了许多专家学者来研究模型的参数和非参数估计及其性质.本文主要将经验似然方法应用于部分线性模型中,应用经验似然方法,提出了一类新的部分线性模型误差方差的估计量.在一定的正则条件下,证明了误差方差的基于传统的残差平方和的估计及本文提出的经验似然估计的渐近正态性.同时求出了经验似然估计的渐近方差和传统的残差平方和的渐近方差.本文的主要内容为:本文的第1章为绪论部分,简单介绍了经验似然方法和部分线性模型的研究概况,以及本文的主要内容和创新点.本文的主要结果在第2章中给出,我们用经验似然方法对部分线性模型的误差方差进行估计,证明了固定设计情形下部分线性模型误差方差的两种估计的渐近正态性,并且求出了经验似然估计的渐近方差和传统的残差平方和的渐近方差.同时,我们还给出了模拟研究结果.从模拟结果上看,所提出的误差方差的经验似然估计方法优于传统的误差方差估计方法.本文的创新点有:1.首次研究了固定设计情形下部分线性模型误差方差的估计,给出了传统的基于残差平方和的方法及基于经验似然方法的两种估计量.2.证明了固定设计情形下部分线性模型误差方差的两种估计的渐近正态性,并且求出了经验似然估计的渐近方差和传统的残差平方和的渐近方差.同时,从模拟结果上看,所提出的误差方差的经验似然估计方法优于传统的误差方差估计方法.(本文来源于《广西师范大学》期刊2018-06-01）
王邵华[5]（2018）在《半参数部分线性指标模型的刀切经验似然估计》一文中研究指出半参数部分线性指标模型包含许多常用的参数模型、半参数模型和非参数模型,比如,线性回归模型、部分线性回归模型以及广义部分线性回归模型等,因此,对它的研究是统计学与计量经济学等领域中的热点课题之一.本文对半参数部分线性指标模型中的回归系数建立新的刀切经验似然估计.首先,基于Abrevaya&Shin(2011)对半参数部分线性指标模型中回归系数的秩估计,我们对其进行光滑化,并且计算获得含参U-统计量.其次,对含参U-统计量建立刀切经验似然估计,在一定条件下,我们证明了所构造的刀切经验似然比统计量渐近收敛到卡方分布.基于此性质,我们可以对回归系数构造置信区域.最后,本文通过大量的数值模拟以及实际数据分析,说明了本文所提方法的有效性.(本文来源于《兰州大学》期刊2018-03-01）
周先波,潘哲文[6]（2016）在《线性回归模型的非线性稳健估计——基于经验过程理论的研究》一文中研究指出线性回归模型参数估计的有效性及对厚尾扰动和离群值的稳健性有进一步改进的余地.本文基于条件分布函数提出线性参数模型的一种新的非线性稳健估计量,利用经验过程理论证明了其相合性和渐近正态性.相对于OLS(ordinary least squares)估计量和常用的稳健LAD(least absolute deviations)和Huber估计量,此估计量可全面把握因变量的分布信息,较准确地由样本数据反映真正的数据生成过程,关于扰动项的厚尾分布具有更好的稳健性,且可更好地消弱极端离群值样本对参数估计的不良影响.多种实验设计的模拟表明,此估计量在有限样本下表现良好;在厚尾扰动或离群值出现的时候,显示出良好的稳健性,且优于OLS、LAD以及Huber估计量的小样本表现.(本文来源于《系统工程理论与实践》期刊2016年04期）
李凯,张丽君[7]（2015）在《二阶部分线性自回归模型的经验似然估计》一文中研究指出利用经验似然方法,对二阶部分线性自回归时间序列模型的未知参数和非参数函数进行估计,在一定的条件下证明了参数估计的渐近正态性和未知非参数函数的相合性。(本文来源于《统计与决策》期刊2015年05期）
邱瑾,马青[8]（2014）在《固定效应面板线性回归模型的移动分块经验似然估计》一文中研究指出本文针对固定效应面板线性回归模型中特意误差项为任意形式序列相关情形,提出了移动分块经验似然估计方法,并给出了大样本性质。模拟研究表明:该方法适用于特意误差项序列相关形式已知和未知两种情形,较Baltagi和Li(1994)以及Gonalves(2011)提出的方法有效。本文采用该方法对CO2排放量与城市化水平之间的关系进行了实证分析,结果表明:城市化水平对CO2排放量有显着影响,不同城市化阶段对CO2排放量影响不同。(本文来源于《统计研究》期刊2014年08期）
许凯,何道江,徐兴忠[9]（2014）在《正态-逆Wishart先验下多元线性模型中经验Bayes估计的优良性》一文中研究指出在正态-逆Wishart先验下研究了多元线性模型中参数的经验Bayes估计及其优良性问题.当先验分布中含有未知参数时,构造了回归系数矩阵和误差方差矩阵的经验Bayes估计,并在Bayes均方误差(简称BMSE)准则和Bayes均方误差阵(简称BMSEM)准则下,证明了经验Bayes估计优于最小二乘估计.最后,进行了Monte Carlo模拟研究,进一步验证了理论结果.(本文来源于《数学年刊A辑(中文版)》期刊2014年03期）
周斌香[10]（2014）在《部分线性模型的基于拟似然函数的经验似然估计》一文中研究指出本文主要讨论部分线性模型：并且假设其中Y是响应变量,X,T是协变量,m(.)是未知可测函数,ε期望为0,且与(X,T)相互独立,β,σ2是未知参数,V(·)是己知的方差函数.部分线性模型是1986年Engle等在研究电力需求和天气之间的关系时首次提出,由于它包含参数和非参数两部分,比较容易解释各变量的影响情况,因此在实际应用中比线性模型更加灵活、实用,一经提出,便受到统计学者的广泛关注.似然方法是一种应用广泛的参数和非参数估计方法.在本文中,我们主要将拟似然方法和经验似然方法应用于部分线性模型的估计.首先,对部分线性模型中非参数函数构造Nadaraya-watson估计mβ,将其代替模型中的m(·),得到了模型的拟得分函数和参数β的拟似然估计方程；然后,应用经验似然方法,利用部分线性模型的拟得分函数和方差结构构造估计方程,此时得到参数β的极大经验似然估计与其拟似然估计是相同的,并获得了参数(βτ,σ)的拟似然估计及其渐近方差.为了更好地利用方差信息,我们对部分线性模型的方差结构进行加权,获得了参数(βτ,σ)的经验似然估计及其渐近方差,并证明了,在一定条件下,所得参数的经验似然估计的渐近方差要小于拟似然估计的渐近方差,从而提高了部分线性模型的拟似然参数估计的效率；最后,讨论了最优权函数的选择问题,给出了特定条件下的最优权函数.(本文来源于《湖南师范大学》期刊2014-05-01）
线性经验估计论文开题报告
（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：
本文研究污染数据情形下线性指数分布参数的经验贝叶斯估计问题.在平方损失函数下,导出参数的贝叶斯估计以及利用解卷积的核方法构造该参数的经验贝叶斯估计.在合适的条件下,得到基于超平滑误差分布类所提出的经验贝叶斯估计的一致收敛速度.
（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。
线性经验估计论文参考文献
[1].彭仁华.部分线性模型误差方差的经验欧氏似然估计[D].广西师范大学.2019
[2].陈家清,王玉,刘次华.污染数据情形下线性指数分布参数的经验贝叶斯估计（英文）[J].应用数学.2018
[3].张萍.线性模型误差方差的经验似然估计[D].广西师范大学.2018
[4].吴小莉.部分线性模型误差方差的经验似然估计[D].广西师范大学.2018
[5].王邵华.半参数部分线性指标模型的刀切经验似然估计[D].兰州大学.2018
[6].周先波,潘哲文.线性回归模型的非线性稳健估计——基于经验过程理论的研究[J].系统工程理论与实践.2016
[7].李凯,张丽君.二阶部分线性自回归模型的经验似然估计[J].统计与决策.2015
[8].邱瑾,马青.固定效应面板线性回归模型的移动分块经验似然估计[J].统计研究.2014
[9].许凯,何道江,徐兴忠.正态-逆Wishart先验下多元线性模型中经验Bayes估计的优良性[J].数学年刊A辑(中文版).2014
[10].周斌香.部分线性模型的基于拟似然函数的经验似然估计[D].湖南师范大学.2014