导读:本文包含了半参回归论文开题报告文献综述及选题提纲参考文献，主要关键词:半参分位数估计,MCMC抽样,细胞分裂时间,姐妹细胞分裂的不同步性(ADS)
半参回归论文文献综述
杨玉晓[1]（2018）在《基于核函数的贝叶斯半参分位数回归模型及其对异常ADS的诊断》一文中研究指出细胞分裂时间的调控在细胞分化和组织发育过程中具有十分重要的意义。本文通过研究秀丽隐杆线虫的母代细胞存活时间与子代姐妹细胞分裂时间差(ADS),筛选调控姐妹细胞分裂的不同性的基因。因为可以很容易观测秀丽隐杆线虫从胚胎到成虫的全部发育过程,并且发育过程中的每一个细胞都可以记录其存活时间,所以秀丽隐杆线虫对于研究姐妹细胞分裂时间差是很好的模型。Wing等人的研究只分析了秀丽隐杆线虫的子代姐妹细胞分裂时间差,并对异常秀丽隐杆线虫个体的ADS进行诊断。通过研究野生型秀丽隐杆线虫母代细胞时间与子代姐妹细胞时间差之间的Spearman秩相关检验和Pearson相关检验结果,发现它们之间具有一定的相关性。本文为了充分利用细胞生存时间数据的信息,强调细胞生存时间和姐妹细胞分裂时间差的相关现象,首先,对野生型秀丽隐杆线虫的分裂数据进行分类,把相同标签的细胞存活时间和与其对应的子代姐妹细胞分裂时间差放在同一数据集;然后,我们采用基于核函数的贝叶斯半参分位数回归模型,估计每一个数据集的0.975分位数线和0.025分位数线,0.975分位数线和0.025分位数线构成一个置信区间带,进而对异常秀丽隐杆线虫个体的姐妹细胞时间差进行诊断。对基于核函数的贝叶斯半参分位数回归模型进行的六种模拟,初步证明了该方法的合理性。与Wing等人的方法比较,该方法可以诊断出更多异常个体的ADS,这为筛选调控姐妹细胞分裂的不同性的基因提供了新方法。(本文来源于《厦门大学》期刊2018-04-01）
吴婷,刘叁阳,周杰[2]（2013）在《局部线性回归模型的半参估计》一文中研究指出针对局部线性估计方法收敛速度较慢且对窗宽选择不稳健的问题,本文提出一种改进的局部线性半参估计方法.首先,选择不同窗宽作相应的局部线性估计,然后利用这些估计构造参数回归模型,由此给出回归函数的参数估计.相对于局部线性估计,新方法在不改变方差阶的情况下,将估计偏差的阶由h2减小至h4,最优均方收敛速度提高至O(n-8/9),且对窗宽选择稳健.模拟研究验证了新方法的有效性.(本文来源于《工程数学学报》期刊2013年05期）
代金辉[3]（2012）在《范数约束下半参回归模型参数估计及其性质》一文中研究指出给出了半参回归模型在一类新的参数约束‖β‖≤M下的估计问题,并近一步研究了该估计的一些性质如有偏性,及协方差的单调性质.(本文来源于《佳木斯大学学报(自然科学版)》期刊2012年04期）
李锋[4]（2010）在《非参和半参回归模型的稳健和截面推断》一文中研究指出在识别响应变量和预测变量的回归结构问题中,非参和半参回归模型因其良好的灵活性和(或)较好的可解释能力已经得到了深入的研究和广泛的应用。半参模型中部分线性模型是为一类常用的模型,它既保持了非参数模型的灵活性同时有具有参数模型良好的可解释性,特别的它还有效的避免了纯非参回归的“维数灾难”问题(curse of dimcnsionality)。近年来,在实际的医疗数据分析中,协变调整模型和变量选择问题已成为热点问题,引起了人们的极大关注。然而,非参回归模型中,普通核估计方法对窗宽选择敏感并且收敛速度也不尽如人意；协变调整的部分线性模型未有研究；如Fan和Li(2004)指出的部分线性模型的变量选择问题也少有研究。本篇论文中我们就针对这些非参和半参回归模型的相关问题进行研究。具体的,本篇论文的基本思想如下。已有的研究成果表明非参回归函数的普通核估计量可以近似的表示为,从上面的表达式我们发现了一种新的回归关系,r(χ)可以看做(?)hj(x)对hj回归的截距项,因此我们可以重构线性回归模型并通过加权最小二乘法得到r(χ)的估计。新的估计量结构简单并且尽管不使用高阶核仍然具有较小的均方误差。结果如下,最优窗宽的阶数为O(n-1/9)。进而我们发现虽然采用的窗宽hj不是最优的,但在满足条件hj=O(n-α)且有1/10<α<1/5成立时,新估计量(?)(χ)仍具有比普通核估计量更小的均方误差。由此说明新估计量对窗宽选择稳健。此外,在一些正则条件下,我们还得到了新估计量的渐近正态性,因此,论文第二章中通过联合非参回归和参数回归提出的两步估计(叁步估计)能够就窗宽选择和收敛速度的意义上改进非参数估计。更一般的,我们的方法可以推广到一般的非参估计以及非参数回归模型,例如我们还把此方法推广到了多元非参回归模型,可加模型。受Senturk and Muller (2005)提出的协变量调整回归(covariatc-adjusted regres-sion (CAR))问题和另一实际问题(在研究钙缺乏的问题中,需要研究钙吸收量和钙摄取量之间的关系,同时还要考虑体征指标(body mass index)和年龄因素的影响)的启发,在第叁章我们介绍并深入研究了协变量调整部分线性模型(covariate-adjusted partially linear models (CAPLM)),其中真实的响应变量Y和预测向量X是观测不到的,我们只能观测到它们被乘子φ(U)和φr(U)污染以后的变量(?)和(?),同时还考虑了时间T的影响。虽然我们的模型看起来像是Senturk (2006)提出的协变调整变系数模型(covariate-adjusted varying coefficient models (CAVCM))的特例,但实际上CAPLM和CAVCM所处理数据的类型有着本质的不同。在某一固定观测时刻有来自多个个体的观测是Senturk (2006)第一步估计方法的关键,而我们所研究的数据在固定观测时刻则可能仅有一个观测。因此,两种模型的推断方法是不同的。如Cui et al (2008)指出,由此我们可以给出(?)(U)和φ(U)的非参估计,并近似恢复真实的不可观测的Y和X。接下来,用恢复的数据来替换不可观测的真实数据,通过截面最小二乘法可以给出参数β的估计。并且,在一些温和的条件下我们还得到了参数估计量的渐近正态性,细节可参看3.3节。此外,我们还给出了回归系数的置信域。随着科技的发展,人们获取和存储高维数据集(即变量的个数p相当或者远大于样本容量n)变得更加方便。变量选择在高维数据分析中发挥着至关重要的作用,Dantzig selector是线性和广义线性模型变量选择方法中的一种。在第四章我们将研究部分线性模型的Dantzig selector变量选择问题,它的定义如下,其中(?)和(?)分别为中心化的设计阵和中心化的响应观测矩阵。我们得到了Dantzig selector的大样本性质。即n趋于无穷,p固定时,在合适的条件下有(?),其中β0为优化问题的解。我们还注意到Dantzig selector并不一定是相合的。为了克服此不足,我们采用Dicker和Lin(手稿)提出的adaptive Dantzig selector变量选择方法.部分线性模型adaptive Dantzig selector定义为,进而,我们得到在合适的条件下部分线性模型adaptive Dantzig selector参数估计量具有oracle性质.即n趋于无穷,p固定时,在特定条件下有adaptive Dantzig selector估计量是模型相合的,并且有Adaptive Dantzig selector作为Dantzig selector的一般形式,它们都可以采用James et al. (2009)提出的DASSO算法来解决最优化问题。文章还讨论了调整参数和窗宽的选择方法。综上所述,本篇论文进一步研究了非参和半参回归模型的相关问题。首先,对非参回归模型,我们提出了一种稳健的纠偏估计方法,新的两步(叁步)估计量对窗宽选择稳健,并且不用高阶核就具有比普通核估计更快的收敛速度,均方误差阶数为O(n-8/9)。其次,我们研究了协变量调整的部分线性模型,给出了模型的推断方法,并且得到了参数部分估计量的渐近正态性和置信域。最后我们研究了高维部分线性模型的变量选择和参数估计问题。当样本容量n趋于无穷,变量个数p固定时我们研究了Dantzig selector参数估计量的大样本性质,并得到了adaptive Dantzig selector参数估计量的oracle性质。模拟实验和实际数据的应用进一步阐释了文中介绍的各种方法。(本文来源于《山东大学》期刊2010-05-18）
富伯亭[5]（2009）在《中心化半参回归模型系数的岭估计》一文中研究指出文章讨论中心化半参数回归模型,通过LS和权函数法结合给出回归函数的估计,并讨论其强相合性,再运用岭估计给出未知系数的估计,证明其优良性.(本文来源于《太原师范学院学报(自然科学版)》期刊2009年04期）
代金辉[6]（2008）在《参数约束下的半参回归模型的一种新估计》一文中研究指出半参数模型保留了参数模型和非参数模型好的性质,具有广泛的实用价值,故对半参数模型的研究具有重要意义,是目前研究的热点问题。笔者主要采用惩罚最小二乘方法,给出了对带非参平滑项的半参模型在线性部分受约束条件下的一种新的估计方法,并且得到在平滑矩阵S为对称及任意两种情况下的估计,及新估计量的协方差.并对比了新方法与传统方法的异同.(本文来源于《青岛理工大学学报》期刊2008年04期）
代金辉,杜萍[7]（2008）在《一类参数约束下的半参回归模型》一文中研究指出本文给出了半参回归模型在一类新的参数约束下的估计,并在二次损失函教下研究了该估计的容许性问题。(本文来源于《阴山学刊(自然科学版)》期刊2008年01期）
吴婷[8]（2007）在《半参回归模型的两步回归估计》一文中研究指出半参数回归模型是八十年代发展起来的一种重要的统计模型。由于这种模型既含参数分量，又含非参数分量。可以概括和描述众多实际问题，因而引起广泛重视。给定一个半参数回归模型，Y_i=X_i~Tβ+g(t_i)+ε_i i=1，2，…，n诸X_i为已知p维设计向量。β=(β_1，…，β_p)~T是未知向量，g(·)为R~1上未知Borel函数。X_i~Tβ，g(t_i)分别称为该模型的参数分量与非参数分量。在文献中，关于半参数回归的工作大多沿着这样的思路；第一步先设β已知，使用标准非参数回归方法，基于{t_i，Y_i-X_i~Tβ}_i~n=1估计g，记估计量为(?)λ(·，β)；第二步再以(?)λ代g，使用最小二乘法找β的下述极小问题的解。sum from i=1 to n [Y_i-X_i~Tβ-(?)λ(t_i；β)]~2=min而g的最后估计为(?)λ(·，β)，此处λ是非参数回归估计中的光滑参数。例如，在核估计时，λ就是窗宽h。常用的计算窗宽的方法有：CV方法、风险估计和GCV方法。这些方法所选择的窗宽在各自标准下，都是最优窗宽。但是计算量偏大，且标准不统一。非参数分量g(·)的估计好坏直接影响参数β的估计。因此，非参数分量g(·)的估计就显得尤为重要。但是标准的非参数回归估计没有一个满意的收敛速度，为了改进非参数估计的收敛速度，这篇文章结合了非参数回归和参数回归，提出了两步回归估计：第一步：准备好不同窗宽的非参数回归作为先验选择。第二步：将被选择的估计结合一些参数回归技术形成一种新的估计，同时获得包括最优窗宽在内的最优设计条件。这样就避免了使用CV等方法选择窗宽，减小了计算量，而且对于单变量模型，在内点处的均方误差的最优收敛速度的阶为O(n~(-8／9)。而现存的一些方法没有达到。通过模拟，对新方法在有限样本下的表现给出评估并与现存的方法进行比较。在上述给定的半参数回归模型满足一定的条件下，得到了本文的主要结论：结论1：在偏差方面：新估计(?)(t)的偏差的阶为O(n~(-4／9))，而原来的估计(?)h(t；β)的偏差的阶为O(n~(-2／5))，新估计的渐近偏差小于原来估计；在方差方面，新估计和原来估计的方差具有相等的渐近阶；在均方误差方面，新估计的均方误差的收敛速度为O(n~(-8／9))，而原来估计为O(n~(-4／5))。因此可以得出：新估计在收敛速度方面较原来的估计有很大的改进。结论2：我们的方法通过两步估计的结果达到了用最优窗宽回归的结果，避免了使用CV等方法选择窗宽，减小了计算量。(本文来源于《山东大学》期刊2007-04-28）
何灿芝,田茂再[9]（2001）在《一类异方差半参回归模型的估计理论》一文中研究指出考虑一类异方差半参回归模型Y =m(X) +σ(X)ε ,其中X是随机解释变量 ,Y是响应变量 .均值函数m(x) =E(Y|X =x)和方差函数σ(x)二者未知 .许多事实表明二者之间存在如下关系 :σ2 (x) =γ0 +γ1(m(x) ) a1+… +γs(m(x) ) as ψ(x)γ ,其中 ψ(x) =(1,(m(x) ) a1,… ,(m(x) ) as) ,γ =(γ0 …γs) T.运用局部核权估计法和最小二乘法给出了异方差情况下m(x) ,σ(x)和γ的估计 ^m(x) ,^σ和 ^γ ,证明了 ^γ的渐近正态性 ,得到了 ^m(x)和 ^σ2 (x)的最优收敛速度 ,并且建立了诊断异方差的统计量(本文来源于《湘潭大学自然科学学报》期刊2001年04期）
半参回归论文开题报告
（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：
针对局部线性估计方法收敛速度较慢且对窗宽选择不稳健的问题,本文提出一种改进的局部线性半参估计方法.首先,选择不同窗宽作相应的局部线性估计,然后利用这些估计构造参数回归模型,由此给出回归函数的参数估计.相对于局部线性估计,新方法在不改变方差阶的情况下,将估计偏差的阶由h2减小至h4,最优均方收敛速度提高至O(n-8/9),且对窗宽选择稳健.模拟研究验证了新方法的有效性.
（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。
半参回归论文参考文献
[1].杨玉晓.基于核函数的贝叶斯半参分位数回归模型及其对异常ADS的诊断[D].厦门大学.2018
[2].吴婷,刘叁阳,周杰.局部线性回归模型的半参估计[J].工程数学学报.2013
[3].代金辉.范数约束下半参回归模型参数估计及其性质[J].佳木斯大学学报(自然科学版).2012
[4].李锋.非参和半参回归模型的稳健和截面推断[D].山东大学.2010
[5].富伯亭.中心化半参回归模型系数的岭估计[J].太原师范学院学报(自然科学版).2009
[6].代金辉.参数约束下的半参回归模型的一种新估计[J].青岛理工大学学报.2008
[7].代金辉,杜萍.一类参数约束下的半参回归模型[J].阴山学刊(自然科学版).2008
[8].吴婷.半参回归模型的两步回归估计[D].山东大学.2007
[9].何灿芝,田茂再.一类异方差半参回归模型的估计理论[J].湘潭大学自然科学学报.2001
标签：半参分位数估计; MCMC抽样; 细胞分裂时间; 姐妹细胞分裂的不同步性(ADS);