半参数非线性再生散度模型的渐近推断(精选3篇)
篇1:半参数非线性再生散度模型的渐近推断
半参数非线性再生散度模型的渐近推断
对半参数非线性再生散度模型,先引入最佳偏差曲线.再求非参数部分的局部线性估计,然后得到参数的.广义边侧极大似然估计.同时,基于正则条件,证明了所得估计的存在性,强相合性和渐近正态性,推广了已有文献的工作.
作 者:陈雪东 李保东 唐年胜 CHEN Xuedong LI Baodong TANG Niansheng 作者单位:陈雪东,CHEN Xuedong(云南大学数学与统计学院,昆明,650091;湖州师范学院理学院,浙江,湖州,313000)
李保东,唐年胜,LI Baodong,TANG Niansheng(云南大学数学与统计学院,昆明,650091)
刊 名:数学年刊A辑 ISTIC PKU英文刊名:CHINESE ANNALS OF MATHEMATICS,SERIES A年,卷(期):29(3)分类号:O212.7关键词:半参数模型 非线性再生散度模型 最佳偏差曲线 广义边侧似然函数
篇2:半参数非线性再生散度模型的渐近推断
EV (errors-in-variables) 模型、缺失数据下的回归模型都是当今统计界研究的热点模型。不论是EV模型还是缺失数据下的回归模型, 人们研究较多的自然是模型简单且应用广泛的模型, 线性模型就是其中备受关注的模型之一。近年来, 有许多的学者对单纯的线性EV模型和缺失数据下的线性模型进行了研究, 但由于实际问题的复杂性, 对线性模型既有数据缺失同时又存在测量误差的情形, 不少学者也在逐步地研究。例如文献[1]研究了响应变量随机缺失线性EV模型, 借助于核实数据和借补方法, 对回归系数进行了统计推断, 文献[2]考虑了没有核实数据响应变量随机缺失的线性EV模型, 利用回归借补方法, 构造了未知参数的两种经验对数似然比统计量。以上文章均是在响应变量随机缺失时线性EV模型的相关研究, 对于协变量随机缺失时的线性EV模型, 相关的研究报道很少。最近文献[3]给出了未知参数调整的最小二乘估计, 并证明了估计的相合性及渐进正态性。本文在文献[3]的基础上, 给出未知参数的经验似然比统计量, 并证明该统计量趋于一个标准的卡方分布, 从而利用该结果可构造未知参数的置信域。
1 参数的经验似然及主要结论
考虑如下的线性EV模型
(1)
式 (1) 中β是p维的未知参数, T表示向量转置, ε是模型的误差, 满足
MAR条件表明在给定Y, W的条件下, δ与W条件独立。现仅考虑测量误差U的方差Var (U) =Σu已知时, 如何构造β的经验似然置信域。
在协变量没有缺失而仅有测量误差时, 令
hi (β) =Wi (Yi-WTiβ) +Σuβ, i=1, 2, …, n,
容易验证E (hi (β) ) =0。考虑到协变量有缺失, 采用文献[4]给出的逆概率加权的方法, 据文献[3], 知道W缺失下新的估计函数为
式 (3) 中
i=1, 2, …, n (4)
由于当β为参数真值时, 有
R (β) =max
由Lagrange乘子法及简单的计算, 可以得到
其中λ满足
在给出主要结果之前, 先给出为证明主要结果所需的假设条件 (见文献[3]) 。这些假设条件都是很一般的, 且很容易满足。
C1:Y的密度函数f (y) 的一阶导数满足Lipschtiz条件, 且满足
C2: π (y) 一致连续, 其一阶导数满足Lipschtiz条件, 且
C3:
C4: 存在常数M2≥M1>0和ρ>0, 满足
C5: 当n→∞时, h→0, nh2→∞, nh4→0。
C6:E‖X‖4<∞, E (ε4+‖U‖4) <∞。
定理 在上述条件C1—条件C6下, 当β为参数真值时, 则
其中
有上述定理, 可以给出参数β置信水平为1-α的置信区间:
Cα (β) ={β∈Rp:-2lg (R (β) ) ≤χ
式 (8) 中χ
2 定理的简要证明
为证明主要定理, 需要下面的引理。
引理1 在条件C1—C6下, 有
其中
证明 类似于文献[3], 经过一系列的推导, 可以得到
其中
由文献[3]中相关引理的证明知:Ii=op (1) , i=2, 3, 4。对I1, 据中心极限定理有
同理, 可以证明
类似文献[5]证明 (A.7) 的方法, 可以证明
定理的证明: 令
类似文献[6]中证明 (2.14) 的推导, 可以证明:
对式 (9) 运用Taylor展开, 有
其中
从而有:
对-2lg (R (β) ) 利用Taylor公式得:
据引理可知:
参考文献
[1]李高荣, 薛留根, 冯三营.核实数据下响应变量缺失的EV线性模型经验似然推断.系统科学与数学, 2009;29 (1) :94—108
[2]刘强, 薛留根.缺失数据下线性EV模型中参数的经验似然置信域.数学的实践与认识, 2008;38 (24) :147—151
[3]张娟, 崔恒建.缺失数据下EV模型的调整最小二乘估计.数学物理学报, 2009;29 (6) :1465—1476
[4] Robins J M, Rotnitzky A, Zhao L.Estimation of regression coeffi-cients when some regressors are not always observed.J Amer StatistAssoc, 1994;89:846—866
[5] Li G R, Xue L G.Empirical likelihood confidence region for the pa-rameter in a partially linear errors-in-variables model.Commun StatistTheor Meth, 2008;37 (10) :1552—1564
篇3:半参数非线性再生散度模型的渐近推断
关键词 局部平稳;扩散模型;加权最小二乘估计;相合性;渐近正态性
1 引 言
局部平稳过程理论是由Dahlhaus[1,2]在1996年和1997年提出来的,直观地说,局部平稳过程是在给定的时间点的某个领域内,可以用一个平稳过程来近似.Starica
和Granger[3]用局部平稳过程对收益率过程拟合时发现,局部平稳过程具有更好的预测效果.近年来,局部平稳模型是人们研究的热点问题之一,其中对局部平稳模型的统计推断显得日益重要,例如,Vogt[4]考虑了局部平稳时间序列的非参数回归估计,Koo和Linton[5]研究了局部平稳扩散模型的估计问题等等.
本文主要讨论局部平稳扩散模型的半参数估计问题,本文模型包含了一些非常著名的短期利率扩散模型,例如CIR[6]短期利率模型和HW[7] 短期利率模型等等.本文对漂移参数函数进行局部常数拟合,并应用局部加权最小二乘法得到了漂移参数函数的估计量,模型中的漂移参数函数具有明确的经济意义.同时,通过Kolmogorov向前方程,得到了扩散系数的估计量,扩散系数是反映市场数据波动大小的量.近一步,本文讨论了漂移参数的估计量和扩散系数的估计量的大样本性质,即相合性和渐近正态性.最后,通过模拟研究说明了估计量的有效性.文中的漂移参数函数的估计和扩散系数的估计都有显式的表达式,在实际数据应用时非常方便.
【半参数非线性再生散度模型的渐近推断】相关文章:
广义线性回归参数的学生化极限定理04-27
半参数法05-02
非线性模型下商品供需的分析与预测09-11
滑坡预测预报的非线性动力学模型探讨09-12
非线性双方程湍流模型11-17
线性回归模型的论文题目05-08
基于参数化智能技术的建筑信息模型11-08
基于线性分类模型的概率预测分析09-10
需求分布含未知参数时报童模型的实施方法04-18