简介:本文研究部分变系数动态模型,一些参数的值可以成为协变量的函数,并提出了参数和非参数函数系数的估计。本文提出一个基于支持向量机分位数回归的部分变系数动态模型,及它的三步估计法和迭代加权最小二乘法估计模型的参数和非参数函数,提出的方法能被简单有效地应用到线性和非线性分位数回归光滑变量的高维情况。同时,本文也提出模型的惩罚参数、核参数的选择方法——交叉验证方法。
简介:非参数可加ACD模型对条件期望的函数形式与随机误差项的分布形式要求都没有参数ACD模型强,因此不会像参数ACD模型那样因模型形式设定错误而得出错误结论。非参数可加ACD模型估计出来的各个可加部分图形的形状对于正确设定参数ACD模型具有一定的指导作用。
简介:基于三种退势方法较详细研究了方差比检验在非对称单位根检验中的适用性,并通过MC模拟揭示了其检验势性质。结果表明:在不含趋势项的TAR下,两机制TAR数据落在第一机制的比率是影响方差比检验势的重要因素,且比率越高检验势也越高;三机制TAR中落在中间机制的数据比率会影响检验势,随着比率增加检验势呈下降趋势,但程度不大。在含趋势的TAR下,由于趋势项在数据生成过程中具有支配作用,各种检验势会随着趋势设定的不同而不同。数据在不同机制之间的转换概率越高,则ROLS和RDM退势较OLS退势具有明显优势。
简介:X^2检验在参数检验和非参数检验有着广泛的应用,但在教学和科研中,我们发现X^2检验应用功能被扩大化了,教学和科研人员往往忽略了使用X^2检验的前提条件和应用的局限性。本文着重讨论X^2检验在非参数检验中的两个比较严重的局限性问题,并提出了相应的解决方法.以期提高统计方法应用的准确性.
简介:流程性材料最大的特点是其变异性小。对于这类总体,现有的标准差估计方法由于既包含组间差异,又包含组内差异,常常会夸大其估计误差。针对此,首先通过抽样设计,得到具有分层抽样特点的样本;然后借鉴单值—移动极差控制图中标准差的估计方法,构造了这类总体的标准差估计量。这样构造的标准差估计量,由于其估计误差中仅包含组内方差平均水平,从而更符合该类总体变异性小的特点。实际应用表明,该标准差估计量能显著降低估计误差。
简介:梯度Boosting思想在解释Boosting算法的运行机制时基于基学习器张成的空间为连续泛函空间,但是实际上在有限样本条件下形成的基学习器空间不一定是连续的。针对这一问题,从可加模型的角度出发,基于平方损失,提出一种重抽样提升回归树的新方法。该方法是一种加权的加法模型的逐步更新算法。实验结果表明,这种方法可以显著地提升一棵回归树的效果,减小预测误差,并且能得到比L2Boost算法更低的预测误差。