论文部分内容阅读
本文针对纵向数据，研究部分线性单指标模型的稳健估计及其变量选择，研究内容主要有以下几个方面： 第一，在纵向数据下，针对部分线性单指标回归模型，基于稳健分位数回归方法，对模型中单指标部分和线性部分都做了分位数处理，采用局部多项式方法估计连接函数，在一定的条件下，证明了所得的估计量具有渐近正态性，给出了估计算法的实施步骤。通过数值模拟分析，比较了不同点分位数回归连接函数的估计效果，验证了所提方法的稳健性和有效性。实例分析Boston房价数据，进一步说明了所提出方法的实际应用价值。 第二，基于LASSO、ALASSO双重自适应惩罚估计方法，提出稳健化的似然函数，针对纵向数据，研究单指标线性混合效应模型下，固定效应和随机效应的联合稳健变量选择，采用惩罚样条逼近方法，对单指标部分未知连接函数采取惩罚样条逼近。在一些正则化条件下，证明了惩罚稳健估计的Oracle性质。模拟研究中，比较污染与不污染数据时所提方法的影响，结果表明所提变量选择方法具有稳健性。实例分析一组CD4数据，得到的结果说明所提出方法的有效性和实用性。