混合广义部分线性加性模型的参数估计

摘要：

广义部分线性加性模型具有参数和非参数2个部分,并且选择不同连接函数可以得到多种不同加性模型,是一种非常灵活的统计模型.有限混合模型是研究异质性总体的有效工具,扩展性很强,随着计算能力的不断提升,得到越来越广泛应用.本文将这2种模型相结合,提出混合广义部分线性加性模型(MGAPLM).首先给出模型的定义,并在一些温和条件下证明模型可识别性;然后,使用将样条与核方法相结合的spline-backfitted-kernel(SBK)方法估计模型中参数和非参数函数,并且证明估计量的渐近性质;此外,给出一种模型检验方法,检验所提出模型有效性,同时在正态分布和二项分布2种情形下进行数值模拟,给出估计量在有限样本下的表现;最后,将提出的方法应用到一组经济数据中,得到此数据下模型的具体形式,并结合实际对建模结果进行分析.

关键词：广义部分线性加性模型;样条;混合模型;EM算法;SBK方法

所属期刊栏目：40

分类号：O212.7;O213.9(概率论与数理统计)

资助基金：国家自然科学基金;北京市教委科技计划项目;首都师范大学交叉科学研究院项目

在线出版日期：2022-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：108-124