缺失數(shù)據(jù)的研究日漸普遍,處理缺失數(shù)據(jù)的方法手段也逐漸豐富多樣,本文主要介紹了缺失數(shù)據(jù)的種類以及處理辦法,不同于傳統(tǒng)的處理缺失數(shù)據(jù)的方法,本文創(chuàng)新性的提出了協(xié)變量缺失機制下的變系數(shù)分位數(shù)回歸模型的參數(shù)估計方法。本文提出了在部分協(xié)變量缺失機制下的變系數(shù)分位數(shù)回歸參數(shù)的逆概率加權估計和經(jīng)驗似然加權估計,并推導了逆概率加權估計和經(jīng)驗似然加權估計的漸近正態(tài)性質(zhì),從漸近方差可以比較出:經(jīng)驗似然加權估計的效率高于基于逆概率加權估計;通過模擬,進一步評估了以上兩種估計的概率在有限樣本下的表現(xiàn)。在提出的經(jīng)驗似然基礎上的變系數(shù)分位數(shù)回歸基礎上,本文對前者的方法進行了補充的研究和介紹;以吉林省居民消費水平數(shù)據(jù)為例,研究了變系數(shù)回歸估計,運用實例比較變系數(shù)回歸和傳統(tǒng)線性回歸的擬合效果,在擬合表現(xiàn)上,變系數(shù)回歸模型有更加準確的擬合效果,并且運用的范圍也更廣泛;論文最后補充介紹了幾種分位數(shù)回歸模型的區(qū)間估計方法,并對其進行討論和研究,比較這幾種方法的置信區(qū)間長度和覆蓋率。
【學位單位】：長春工業(yè)大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：O212
【部分圖文】：

第 2 章 協(xié)變量缺失下變系數(shù)分位數(shù)回歸模型的統(tǒng)計推斷2.5 實例分析在本節(jié)里，我們運用本章提到的方法分析了一個挪威公共道路管理局提供的空氣污染數(shù)據(jù)，其中包含 500 個觀測。主要目的是研究數(shù)據(jù)集中2NO 每小時濃度的對數(shù) (Y)與風速 (U )以及每小時經(jīng)過的汽車數(shù)的對數(shù) (V )和一天中的小時數(shù) (H )之間的關系。研究中，我們設定參數(shù)：令 T H/24.建立變系數(shù)回歸模型:()()()(),012Y T V T U T 為了更加直觀的說明方法的有效性，我們令 52.6%的V 隨機缺失，缺失機制為log(Pr(1,))log((,)).012it UYit UY U Y i 圖 2.1 和圖 2.2 繪制了 0.5時，T(T )((T),(T),(T))012 的 IPW 估計和 ELW 估計的函數(shù)曲線及其自助法置信區(qū)間.

))log((,)).012it UYit UY U Y i 圖 2.1 和圖 2.2 繪制了 0.5時，T(T )((T),(T),(T))012 的 IPW 估計和 ELW 估計的函數(shù)曲線及其自助法置信區(qū)間.圖 2.1 IPW 估計和置信區(qū)間

第 3 章 吉林省居民消費水平的變系數(shù)回歸分析其中iT 表示年份；在估計參數(shù)的過程中，采用2k ( t ) 0.75(1 t ) I (| t| 1)的核函數(shù)，通過交叉驗證方法選擇的窗寬為 h 8.
【參考文獻】

相關期刊論文 前4條

1 鄭蘭英;黃園園;沈京虎;;吉林省居民生活水平影響因素的偏最小二乘回歸分析[J];延邊大學農(nóng)學學報;2014年01期

2 何大強;張海燕;;吉林省農(nóng)村居民消費水平分析[J];長春工業(yè)大學學報(自然科學版);2013年04期

3 ;Quantile Regression for Right-Censored and Length-Biased Data[J];Acta Mathematicae Applicatae Sinica(English Series);2012年03期

4 舒通;;基于變系數(shù)回歸模型的石油價格預測[J];數(shù)理統(tǒng)計與管理;2008年05期

本文編號：2879866