版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著社會的發(fā)展以及統(tǒng)計學在各個領域中的應用,分析的實際問題變得越來越復雜,在建立統(tǒng)計模型時,線性回歸模型已不再滿足實際需求。統(tǒng)計模型已經(jīng)由線性回歸模型發(fā)展到半?yún)?shù)回歸模型。半?yún)?shù)回歸模型既含參數(shù)分量又含非參數(shù)分量,能夠更好的尋找數(shù)據(jù)的內(nèi)在規(guī)律。當解釋變量是外生變量時,大量文獻已討論了半?yún)?shù)回歸模型的統(tǒng)計方法和理論,也將該模型推廣到了縱向數(shù)據(jù)的情形。但是當解釋變量是內(nèi)生變量時,已有的統(tǒng)計方法和理論不再適用。如何解決縱向數(shù)據(jù)下半?yún)?shù)回歸模型
2、中內(nèi)生解釋變量的問題和組內(nèi)相關問題是本文的核心。
本文考慮縱向數(shù)據(jù)下半?yún)?shù)工具變量模型中興趣參數(shù)的估計,提出了三步估計過程。首先,利用B-樣條方法逼近半?yún)?shù)模型中的非參數(shù)分量,將半?yún)?shù)回歸模型轉化為參數(shù)模型。其次,為了處理內(nèi)生變量,通過引入工具變量,將內(nèi)生變量分解,利用外生變量部分對模型進行估計。然后,先假定參數(shù)已知,估計非參數(shù)分量。最后,為了得到參數(shù)分量有效的估計,利用二次推斷函數(shù)方法構造興趣參數(shù)的目標函數(shù)。在一些正則條件下
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于二次推斷函數(shù)的縱向數(shù)據(jù)半?yún)?shù)模型的估計.pdf
- 縱向數(shù)據(jù)下工具變量線性回歸模型的統(tǒng)計推斷及應用.pdf
- 簡單序約束下基于二次推斷函數(shù)的縱向數(shù)據(jù)模型選擇方法.pdf
- 縱向數(shù)據(jù)下半?yún)?shù)模型估計的大樣本性質(zhì).pdf
- 復雜數(shù)據(jù)下半?yún)?shù)模型的統(tǒng)計估計和變量選擇.pdf
- 高維數(shù)據(jù)情形下半?yún)?shù)可加風險模型的變量選擇與估計
- 缺失數(shù)據(jù)下半?yún)?shù)變系數(shù)EV模型的統(tǒng)計推斷.pdf
- 19797.縱向數(shù)據(jù)下半?yún)⒆兿禂?shù)模型的參數(shù)估計與模型檢驗
- 二次函數(shù)應用
- 二次函數(shù)常見模型
- 縱向數(shù)據(jù)半?yún)?shù)回歸模型的估計理論.pdf
- 缺失數(shù)據(jù)下半?yún)?shù)回歸模型的二階段估計.pdf
- 基于縱向數(shù)據(jù)的線性混合效應模型參數(shù)的Bayes統(tǒng)計推斷.pdf
- 縱向數(shù)據(jù)半?yún)?shù)混合效應模型的廣義經(jīng)驗似然推斷.pdf
- 含參數(shù)二次函數(shù)的值域習題
- 二次函數(shù)的實際應用
- 二次函數(shù)的應用(2).
- 縱向數(shù)據(jù)穩(wěn)健參數(shù)估計和模型選擇方法研究.pdf
- 二次函數(shù)的應用(利潤問題)
- 二次函數(shù)的應用(含答案)
評論
0/150
提交評論