北京市教育委员会科技发展计划面上项目(KM201410005010)
- 作品数：3 被引量：10H指数：2
- 相关作者：李高荣田瑞琴李海斌陈冉冉更多>>
- 相关机构：北京工业大学更多>>
- 发文基金：北京市自然科学基金国家自然科学基金北京市教育委员会科技发展计划面上项目更多>>
- 相关领域：理学更多>>
- 面板数据交互固定效应模型的方差分量检验被引量：2
- 2017年
- 研究了面板数据交互固定效应模型中方差分量的检验问题.首先依据模型中误差项的估计构造辅助回归模型,然后根据该辅助回归构造检验统计量,对模型中的异方差性进行检验.进一步,通过构造不同的辅助回归模型和检验统计量可以判别异方差的来源.在一定正则条件下,得到了检验统计量在原假设和备择假设下的渐近分布,并说明所提出的检验方法不依赖于误差分布.最后,通过模拟研究对本文的检验方法进行评价,说明所提检验方法是有效的.
- 陈冉冉李高荣
- 关键词：面板数据异方差
- 纵向数据部分线性测量误差模型的二次推断函数估计被引量：4
- 2014年
- 基于纵向数据部分线性测量误差模型,研究了模型中兴趣参数部分回归系数的估计问题.首先采用B样条方法逼近模型中的非参数函数,然后提出修正的二次推断函数(QIF)方法对模型中参数部分的回归系数进行估计,所提方法可以提高估计的效率.在一定的正则条件下,证明了所得到的估计量具有相合性和渐近正态性.最后,通过模拟研究和实例分析验证了所提出估计方法的有限大样本性质.
- 李海斌田瑞琴李高荣
- 关键词：部分线性模型纵向数据B样条
- 超高维部分线性模型的PGFR变量筛选被引量：4
- 2017年
- 本文考虑超高维部分线性模型,其中线性部分的维数p大于样本量n,且维数p随着样本量n呈指数阶增长.首先,利用半参数回归的profile方法,把超高维部分线性模型转化成超高维线性模型.其次,为了对高维线性分量进行有效的变量筛选,考虑到协变量之间的相关性,结合贪婪算法和向前回归变量筛选方法,针对部分线性模型,提出了profile贪婪向前回归(PGFR)变量筛选方法.在一定正则条件下,证明了所提PGFR方法具有筛选相合性.为了确定所选模型是否能够依概率趋于1包含真实模型,进一步提出了BIC准则.最后,通过模拟研究和实例分析验证了PGFR方法在有限样本下的完成情况.
- 赖秋楠李玉杰李高荣
- 关键词：部分线性模型
