导读:本文包含了半参数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,参数,函数,缺失,概率,潮差,曲线。
半参数模型论文文献综述
周岩,靳奉祥,梁庆华,马德鹏[1]（2019）在《基于U曲线法的半参数模型中正则化参数确定》一文中研究指出针对半参数模型补偿最小二乘估计中正则化参数合理确定的问题,研究一种正则化参数确定方法即U曲线法,基于该方法确定合适的正则化参数,能够有效地控制残差范数与信号范数之间的平衡,得到较准确的参数估值;通过仿真算例分析,将基于U曲线法确定正则化参数的半参数模型的参数估计解和其他方法进行比较,研究结果表明:模拟的系统误差为周期性时,应用L曲线法、U曲线法确定的正则化参数进而求得的参数估值与其真值差值向量的范数分别为4.632 4×10-4和3.497 0×10-4;当模拟的系统误差呈线性周期性时,应用L曲线法和U曲线法确定的正则化参数进而求得的参数估值与其真值差值向量的范数分别为7×10-4和4×10-4,故采用U曲线法确定的正则化参数所求得的参数估值的精度比L曲线法的高,能较好地将观测值中的系统误差分离出来。(本文来源于《中南大学学报(自然科学版)》期刊2019年07期）
张淑娟[2]（2019）在《半参数模型对我国白银期货风险价值的估计》一文中研究指出论文使用几种参数及半参数GARCH-VaR模型,对我国的白银期货市场进行价值风险的估计。通过检验结果发现GARCH模型结合非参数分位数的半参数方法,具有更好的估计效果。因此文中使用的这种半参数估计方法,可以对于我国的白银期货市场的风险预测具有一定的参考意义。(本文来源于《营销界》期刊2019年22期）
武洪萍[3]（2019）在《长度偏差数据下非参数均值剩余寿命和半参数模型的研究及应用》一文中研究指出生存分析处理的主要问题有:(1)分析和推断生存时间的分布规律;(2)研究生存时间与潜在风险因素之间的关系.它的理论和方法可以妥善地处理实践中常见的删失数据,如右删失数据、左截断数据和区间型删失数据等.本文研究的长度偏差数据是左截断数据的一种特殊情形.在左截断抽样中,若起始事件发生的日历时间τ在任一时刻发生的可能性都是相等的,或者说左截断变量是服从均匀分布的,那么采集到的这类数据又称为长度偏差数据.这一概念在很多文献中都已经有详细的介绍,如Vardi(1982),Gupta&Keating(1986)以及Luo&Tsai(2009)等.在寿命研究工作中,长度偏差数据是广泛存在的.特别是近些年来,统计研究者在长度偏差数据下针对不同的模型进行了大量的研究,如Huang&Qin(2011,2012),Bai et al.(2016),Shi et al.(2018)等.正是受到这些研究工作的启发,本文不仅在长度偏差数据下研究了均值剩余寿命函数的矩类估计和经验似然区间估计,而且还对加性风险模型和加性均值剩余寿命模型中回归系数的估计问题进行了分析和研究.下面进一步介绍本文的主要研究内容和创新之处.在第一章中,我们首先介绍了长度偏差数据和均值剩余寿命函数的定义及研究现状,然后又介绍了研究过程中涉及到的几种半参数模型,即比例似然比模型、半参数均值剩余寿命模型和半参数风险模型,以及它们的研究现状.在第二章中,我们在长度偏差数据下提出了均值剩余寿命的几种非参数估计方法.均值剩余寿命是生存分析和生命表研究中一个非常重要的生物统计函数,描述的是单位或个体在已经存活t年(或其它时间单位)后还能继续生存的平均时间.它在许多寿命试验中都具有重要的应用,例如:在医学上,那些患有癌症等无法治愈的疾病的患者会非常想了解自己的平均剩余寿命;在医学临床治疗中,医生需要通过计算平均剩余寿命来建议患者采取合适的治疗方案;等等.这一章的研究动机主要有两个:(1)一般情况下,人们总是通过估计感兴趣总体的生存函数来构造均值剩余寿命的非参数估计,如Gill(1983),Zhao et al.(2013)等,但是这种方法需要计算生存函数的积分,有时处理起来比较麻烦;(2)据我们所知,针对长度偏差数据下的非参数统计推断,大多研究的是感兴趣总体生存函数的非参数估计,而关于均值剩余寿命的研究却很少.正因为如此,本章在长度偏差完全数据和长度偏差右删失数据两种情况下,分别研究了均值剩余寿命函数的矩类估计,并利用Hadamard导数法则证明了估计量的大样本性质.为评估各估计方法的优劣,还进行了一系列的随机模拟试验.另外,我们还对Channing House数据中老年人的均值剩余寿命进行了分析.本章的主要创新有:(1)当数据类型为长度偏差完全数据时，首先分别推导出均值剩余寿命函数与长度偏差变量的分布函数和左截断变量的生存函数之间的关系,然后建立长度偏差变量分布函数的的矩类估计和左截断变量生存函数的复合矩类估计,从而得到均值剩余寿命函数的点估计;(2)当数据类型为长度偏差右删失数据时,首先提出长度偏差变量的分布函数及其函数在删失变量干扰下的两种矩估计,然后利用均值剩余寿命函数与长度偏差变量的分布函数之间的关系,建立均值剩余寿命的叁种非参数估计;(3)利用中心极限定理和Hadamard导数法则证明了各估计量的渐近正态性.在第叁章中,我们主要研究的是长度偏差右删失数据下均值剩余寿命函数的经验似然置信区间.经验似然作为一种无需对总体分布做任何假设的非参数统计推断方法,被广泛应用于解决统计问题中置信区间的构造.随机删失数据下提出的调整经验似然方法(Wang&Jing,2001;Qin&Zhao,2007)在构造未知量的置信区间时,还需要额外估计一个权函数,这无疑增加了计算的难度.同样在右删失样本下,He et al.(2015)提出了一个特殊的影响函数估计方程,并证明了在一定条件下,-2 log(empirical likelihood ratio)渐近服从自由度为1的标准卡方分布,从而避免了在实现置信区间时冗余参数的估计.正是受到上述研究工作的启发,本章旨在构造均值剩余寿命在长度偏差右删失数据下的对数经验似然比函数,并使其在一定条件下渐近服从标准χ12分布.另外,也提出了长度偏差右删失数据下均值剩余寿命函数的渐近正态区间估计,并通过模拟研究,将两种估计方法与“简单”bootstrap方法(见Bilker&Wang,1997)在有限样本下的表现进行了比较,结果显示经验似然置信区间的平均长度要比另外两种方法短的多.本章的主要创新有:(1)利用均值剩余寿命函数和长度偏差变量概率密度之间的关系,建立均值剩余寿命函数的逆概率积分加权估计方程,从而定义均值剩余寿命函数在长度偏差样本下的对数经验似然函数;(2)证明了在适当条件下对数经验似然比函数的极限分布是标准χ12分布;(3)在一定条件下提出了均值剩余寿命函数的渐近正态置信区间.在第四章中,我们主要研究的是长度偏差右删失数据下加性风险模型回归系数的成对伪似然估计方程.Aalen加性风险模型在生存分析中具有重要的地位,它将个体对应的瞬时风险分解成了基本风险函数和个体特有属性两部分的和.Huang&Qin(2013)发现,当感兴趣总体的风险函数为Aalen加性风险模型时，左截断抽样机制下左截断变量的概率密度具有比例似然比模型(Luo&Tsai,2012)的结构.因此,长度偏差抽样机制下剩余寿命变量的概率密度也具备比例似然比模型的结构.本章利用比例似然比模型的参数不变性及长度偏差样本的特有结构,将删失剩余寿命观测样本中所包含的参数信息吸收进来,提出了只依赖于剩余寿命观测结果的成对伪似然估计方程.另外,为了更充分地利用样本中的信息,还在Huang&Qin(2013)中的成对伪似然估计方程和Ma et al.(2015)中的复合条件估计方程基础上,发展了模型的两种复合估计方程.最后,我们还用只依赖于剩余寿命观测样本的成对伪似然估计方程,分析了Channing House数据中两性之间的生存差异.本章的主要创新有:(1)首先在长度偏差右删失抽样机制下推导出可观测的完全剩余寿命变量的条件概率密度,然后根据该密度函数的比例似然比模型结构,建立加性风险模型的成对伪似然估计方程,且该方程只依赖于登记后剩余寿命的观测结果;(2)将左截断变量和删失剩余寿命变量的观测样本视为二元生存数据,提出了不依赖于基础风险函数的复合成对伪似然估计方程.另外也将其与Ma et al.(2015)中的复合条件估计方程相结合,发展了回归系数的复合条件-成对伪似然估计方程;(3)利用U-统计量的渐近性质,证明了复合成对伪似然估计及复合条件-成对伪似然估计的渐近正态性.在第五章中,我们研究的是长度偏差数据下加性均值剩余寿命模型的估计方程.加性均值剩余寿命模型是生存分析中应用普遍的模型之一,它在临床医学试验、保险精算学等实践领域中具有广泛的应用.据我们所知,已有的针对该模型的统计推断方法都是在右删失数据下讨论的,不能直接用于分析长度偏差数据.为了克服这一问题,本章中提出了长度偏差右删失数据下基础剩余寿命函数和协变量系数的鞅类估计和逆概率加权估计,并研究了两类估计量的大样本性质.另外,数值模拟的结果显示,在样本容量和删失率相同时,回归系数的逆概率加权估计在经验偏差、经验标准差和经验均方误差方面要明显优于鞅类估计.但是,值得注意的是,该鞅类估计可以适用于多种样本,即它可以适用于标准的长度偏差样本,同时也可以在只有左截断变量可观测时或者只有删失的残余寿命可观测时使用.最后,我们还用两种估计分别分析了Channing House数据中男性与女性均值剩余寿命的关系.另外,比例均值剩余寿命模型和转换均值剩余寿命模型(见Sun&Zhang,2009)也可以用本章的方法进行类似的讨论.本章的主要创新有:(1)推导出左截断变量的累积风险函数和感兴趣总体的均值剩余寿命模型之间的关系,然后利用鞅方法,提出加性均值剩余寿命模型的估计方程;(2)利用逆概率加权方法建立加性均值剩余寿命模型的估计方程,并在方程中引入权重函数以便更多的开发样本中所包含的总体信息,提高参数估计的精度;(3)在一定条件下研究了两类估计量的大样本性质。(本文来源于《山东大学》期刊2019-05-17）
雷前坤,张俊[4]（2019）在《基于半参数模型的水准网平差》一文中研究指出针对经典最小二乘平差无法顾及水准网中系统误差的问题,尝试利用半参数模型来对水准网进行平差。由于半参数模型中含有描述系统误差的非参数向量,因此能顾及系统误差对平差结果的影响。文中算例结果表明,利用半参数模型进行水准网平差可以获得优于经典最小二乘的平差结果。(本文来源于《城市勘测》期刊2019年02期）
王玉梅[5]（2019）在《缺失数据下基于众数回归两类半参数模型估计与变量选择》一文中研究指出本文主要在缺失数据情形下,基于众数回归思想讨论了部分线性可加模型和部分线性单指标模型的估计与变量选择问题。本文第二章针对部分线性可加模型在响应变量随机缺失的情形下基于众数回归思想讨论了模型的估计与变量选择。用B样条基函数近似非参函数部分,结合众数回归与借补惩罚估计方法给出缺失数据下的惩罚目标函数,利用双重SCAD惩罚函数实现对参数和非参数部分的变量选择。在一定条件下,证明了惩罚估计的稀疏性与Oracle性质,并通过数值模拟检验了方法的有效性与优良性。本文第叁章研究了缺失数据情形下基于众数回归框架的部分线性单指标模型的估计与变量选择问题。利用B样条方法逼近模型中单指标部分的连接函数,在众数回归框架下结合SCAD惩罚函数和借补惩罚估计方法实现了模型中参数部分和单指标部分的重要变量的选择。在一定的条件下,利用MEM算法和局部二次近似方法给出了惩罚估计算法的实施步骤,并证明了惩罚估计的理论性质。最后通过数值模拟验证了所提方法的稳健性与有效性。(本文来源于《兰州理工大学》期刊2019-04-05）
程彦茹[6]（2019）在《基于随机缺失函数型非参数/半参数模型的k近邻估计》一文中研究指出现代科学技术的发展为海量数据的收集及存储提供了技术支持,函数型数据分析(Functional data analysis,FDA)方法则作为一种专门基于高维数据的函数特性进行分析的方法,已经在环境科学、化学、生物学、经济学、水文等领域得到了广泛的应用,是统计学界近几十年的一个热门研究方向。函数型非参数回归模型以及半函数型部分线性回归模型是近年研究函数型数据统计推断的常见模型,其中,半函数型部分线性回归模型作为一种特殊的半参数模型,主要是在非参数回归模型的基础上结合了易于解释的参数部分,从而增加了模型的适应能力以及预测能力。k近邻(k-Nearest Neighbor,kNN)方法也是在函数型数据分析中的有力工具,通过离散参数k代替核回归估计中的连续参数h来选取局部自适应性窗宽,将大大提高模型的计算速度。而由于客观及主观等各种因素,数据缺失的情况广泛存在于各个领域中,如何处理实际数据中的缺失情况对于统计方法在现实领域的应用方面有很大的影响。随机缺失数据在有限维场合下已被广泛研究,但在函数型场合下还未得到较多发展,如何将kNN估计结合函数型非参数/半参数模型在响应变量存在随机缺失的情形下得到较好的结果并应用到实际场景中是一个巨大的挑战。本学位论文主要基于响应变量随机缺失的函数型非参数/半参数模型,构造了相应的kNN估计量并理论证明了估计量的渐近性质,模拟实验及真实数据分析也进一步验证了估计量良好的预测效果。主要研究内容分为以下两部分:(一)基于随机缺失函数型非参数模型的k近邻估计在响应变量随机缺失的情况下,通过kNN回归估计得到了解释变量为函数型数据的非参数回归算子的估计量,并理论证明了该估计量的渐近性质;其次通过不同样本量的模拟曲线验证了数据量以及样本量缺失率对于预测结果的影响,并展示了kNN估计相较于核回归估计的优势;最后,通过温度曲线对北京市PM2.5含量的预测分析结果检验了模型的可行性以及预测能力,阐明了用kNN方法构造估计量的实际意义。(二)基于随机缺失半函数型部分线性回归模型的k近邻估计半函数型部分线性回归模型实际上是对非参数模型的一个延伸,第四章主要工作是进一步在响应变量随机缺失的情况下,构造了半函数型部分线性回归模型中线性算子以及非参数回归算子的kNN估计量,详细梳理参数向量β估计量的渐近性质及非参数回归算子m(?)估计量的一致收敛速度两部分的证明过程后,又通过模拟实验进一步验证了样本量以及样本缺失率对于预测结果的影响,并通过与非参数模型下得到的预测结果进行对比,展示了半函数型部分线性回归模型良好的预测效果。(本文来源于《合肥工业大学》期刊2019-04-01）
王镝,唐茂钢[7]（2019）在《土地城市化如何影响生态环境质量?——基于动态最优化和空间自适应半参数模型的分析》一文中研究指出本文首先运用动态最优化模型,在土地利用结构引起产业结构变化视角下,分析经济快速发展过程中土地城市化对生态环境质量的影响机理,得出以下结论:(1)当土地城市化率较低时,经济发展以粗放式发展模式为主,土地利用效率不高,工业生产过程对生态环境的破坏程度大,这使得地均土地生态环境质量下降;(2)当土地城市化率较高时,经济发展以集约式发展模式为主,国家在土地政策和产业政策上向服务业及高新技术产业等倾斜,同时出台环境规制政策控制环境污染程度,生产过程对土地生态环境质量的影响降低,这使得地均土地生态环境质量有所提高。土地城市化率和地均土地生态环境质量之间呈现U型曲线关系。随后,运用空间自适应半参数模型,对土地城市化率与地均土地生态环境质量之间的关系进行计量分析,验证了土地城市化率和地均土地生态环境质量之间呈现U型曲线关系的假说。样本数据显示东部地区基本上均位于U型曲线的右边,而中西部大部分地区位于U型曲线的左边。由此得出以下启示:(1)进一步完善环境规制政策;(2)实施建设用地减量化政策;(3)实施土地指标的跨区域交易。(本文来源于《经济研究》期刊2019年03期）
蒋廷臣,杨雯彦,汪峰,安俊杰,张亚一[8]（2019）在《利用半参数模型估计确定验潮组网的深度基准面》一文中研究指出深度基准面的确定是进行海洋测量的基础,准确确定深度基准面是进行海洋测量的有效前提。提出了一种将CORS技术与验潮组网技术进行结合的新传递深度基准面的方法,实现长、短期验潮站同步验潮实现深度基准面的增强传递;提出了采用半参数模型理论来求取潮差比的计算方法;具体阐述了验潮组网通过间接平差求取短期验潮站的深度基准面的计算方法,减少了验潮测量的人力投入,计算潮差比时考虑了系统误差的影响,计算短期验潮站时考虑了观测误差对深度基准面传递的影响。(本文来源于《海洋测绘》期刊2019年02期）
陶文惠[9]（2019）在《基于指数平方损失的两类半参数模型的变量选择》一文中研究指出半参数模型不但具有参数模型容易解释的优点而且具有非参数模型灵活性的特点。当协变量维数较高时,半参数模型还克服了非参数模型“维数灾难”的问题。因此这类模型受到很多学者的广泛关注,还在经济学和生物学等很多领域有广泛应用。本文主要对部分线性可加模型和变系数部分非线性模型的估计和变量选择问题进行研究。众所周知,现存的估计方法大多是建立在最小二乘的基础上。但是这种方法对数据中的异常值或重尾误差分布非常敏感,很不稳健,极大降低了估计的有效性。这需要我们寻找更稳健的估计方法,本文将使用指数平方损失的方法进行估计。对于变量选择的问题,我们一方面希望选择出模型中只含有与响应变量真正相关的少数协变量,来达到很好的预测效果,另一方面希望我们所使用的变量选择方法比较稳健,当数据中有异常值或重尾误差分布时,不至于变量选择的结果受到很大的影响。因此本文基于指数平方损失使用SCAD惩罚函数方法对两类半参数模型进行稳健变量选择。本文一共分为四章,第一章我们先介绍了部分线性可加模型、变系数部分非线性模型以及指数平方损失方法的基础知识及其相应的研究背景与现状。第二章主要对部分线性可加模型进行了稳健估计和变量选择。对此模型的可加部分利用B样条基函数近似,利用SCAD惩罚函数方法对模型进行变量选择。这一切工作都是建立在指数平方损失函数方法下进行的。在适当的正则条件下,我们建立并证明了所使用方法的估计和变量选择的理论性质。除此之外,在本章数值模拟例1中,我们用均方误差(MSE)评价参数部分估计的有效性,用平均平方误差的平方根(RASE)评价可加部分估计的有效性,通过与其他方法数值的比较,我们的方法得到很好的估计效果。在例2中,用RASE评价可加部分估计的有效性,用广义均方误差(GMSE)评估参数部分估计的有效性,当样本量为200,误差分布是N(0,1)时,虽然惩罚指数平方损失(PESL)的RASE比惩罚最小二乘(PLSE)的略大,即PESL的非参数估计的有效性略差,但是PESL的关于正确识别真实模型的比率(CF)较大,即变量选择的有效性较好。样本量为200时的其他误差分布情况下,PESL的RASE和CF方面都总是优于其他叁种方法。当误差分布服从N(0,1)和t(3)时,样本量是200的PESL的CF小于惩罚modal回归(PSME),但PESL的GMSE比PSME小,其他误差分布下,PESL表现良好。随着样本量的增大,当样本量为400和600时,PESL的RASE,GMSE和变量选择方面都优于其他叁种方法。并且当误差分布服从污染正态分布,随着样本容量的增大,PESL的优越性变得越来越明显,说明PESL是一种稳健有效的估计方法。在实例分析中得到,我们所使用的指数平方损失方法能选择出重要变量并且比其他方法预测效果要好。第叁章利用指数平方损失的方法对变系数部分非线性模型进行了稳健变量选择。对本模型的变系数部分利用B样条基函数近似,利用SCAD惩罚函数的方法对模型进行变量选择。并且在一定的正则条件下,建立并证明了变量选择的理论性质。第四章是对本文的总结以及对今后工作的展望。(本文来源于《山东师范大学》期刊2019-03-20）
胡宗义,唐建阳,万闯[10]（2019）在《基于半参数模型的风险度量方法及其应用》一文中研究指出目前度量预期不足的风险技术大多基于参数模型,其建模过程避免不了对收益的分布类型做出假定,但这些分布往往与现实相悖。鉴于此,文章提出两种重要半参数模型:CARE模型和CARES模型。应用我国2007—2016年上证综合指数与深证成分指数的相关数据评估模型优劣。结果表明:CARES模型与CARE模型在度量我国股市风险中都具有较好的效果,但两者比较,CARES模型明显优于CARE模型。因此,CARES模型能作为我国股市风险度量工具中的一个重要补充。(本文来源于《统计与决策》期刊2019年05期）
半参数模型论文开题报告
（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：
论文使用几种参数及半参数GARCH-VaR模型,对我国的白银期货市场进行价值风险的估计。通过检验结果发现GARCH模型结合非参数分位数的半参数方法,具有更好的估计效果。因此文中使用的这种半参数估计方法,可以对于我国的白银期货市场的风险预测具有一定的参考意义。
（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。
半参数模型论文参考文献
[1].周岩,靳奉祥,梁庆华,马德鹏.基于U曲线法的半参数模型中正则化参数确定[J].中南大学学报(自然科学版).2019
[2].张淑娟.半参数模型对我国白银期货风险价值的估计[J].营销界.2019
[3].武洪萍.长度偏差数据下非参数均值剩余寿命和半参数模型的研究及应用[D].山东大学.2019
[4].雷前坤,张俊.基于半参数模型的水准网平差[J].城市勘测.2019
[5].王玉梅.缺失数据下基于众数回归两类半参数模型估计与变量选择[D].兰州理工大学.2019
[6].程彦茹.基于随机缺失函数型非参数/半参数模型的k近邻估计[D].合肥工业大学.2019
[7].王镝,唐茂钢.土地城市化如何影响生态环境质量?——基于动态最优化和空间自适应半参数模型的分析[J].经济研究.2019
[8].蒋廷臣,杨雯彦,汪峰,安俊杰,张亚一.利用半参数模型估计确定验潮组网的深度基准面[J].海洋测绘.2019
[9].陶文惠.基于指数平方损失的两类半参数模型的变量选择[D].山东师范大学.2019
[10].胡宗义,唐建阳,万闯.基于半参数模型的风险度量方法及其应用[J].统计与决策.2019
论文知识图
