×
黄、棉;王少丽;姚伟新;陈一新

变系数混合模型的统计推断和应用。 （英语） Zbl 1402.62140号

扫描。J.统计。 45，第3号，618-643（2018）.
小结：本文考虑一种新的变系数混合模型，其中每个混合组分都遵循一个变系数模型，混合比例和分散参数也可以是未知的光滑函数。我们系统地研究了新的混合模型的可识别性、估计和推理。所提出的新混合模型相当一般，包括许多作为其特殊情况的混合模型，如线性回归模型的混合、广义线性模型的混合，部分线性模型的混合物和广义可加模型的混合物，其中一些模型本身是新的混合模型，以前从未被研究过。新的变系数混合模型在温和条件下是可识别的。我们发展了一个局部似然过程和一个改进的期望最大化算法来估计未知的非参数函数。建立了该估计量的渐近正态性。进一步发展了广义似然比检验方法，用于检验某些未知函数是否为常数。我们导出了所提出的广义似然比检验统计量的渐近分布，并证明了Wilks现象成立。通过蒙特卡罗模拟和对CO_2-GDP数据集的分析，说明了所提出的方法。

引用于4文件

理学硕士：

62H30型 分类和区分；聚类分析（统计方面）
62G05型 非参数估计
62G10型 非参数假设检验
62页第12页 统计在环境和相关主题中的应用

关键词：

广义似然比检验;可识别性;局部似然;混合物模型;变系数模型
PDF格式BibTeX公司 XML格式引用
\textit{M.Huang}等人，Scand。《美国法律总汇》第45卷第3期第618-643页（2018年；兹bl 1402.62140）
全文： 内政部

参考文献：

[1] Brumback，B.A和Rice，J.A.（1998年）。用于分析嵌套和交叉曲线样本的平滑样条曲线模型。J.Am.Stat.Assoc.93，961-976·Zbl 1064.62515号
[2] Cai，Z.、Fan，J.和Li，R.（2000a）。变系数模型的有效估计和推断。美国统计协会J.Am.Stat.Assoc.95，888-902·Zbl 0999.62052号
[3] 蔡，Z.，樊，J.和姚，Q.（2000b）。非线性时间序列的函数系数回归模型。《美国统计协会期刊》95941-956·Zbl 0996.62078号
[4] Chen，H.、Chen，J.和Kalbfleisch，J.D.（2001）。有限混合模型中均匀性的改进似然比检验。J.R.统计社会服务。B（统计方法）63，19-29·兹比尔0976.62011
[5] Chiang，C.‐T。，Rice，J.A和Wu，C.O.（2001）。具有重复测量因变量的变系数模型的平滑样条估计。美国统计协会J.Am.Stat.Assoc.96，605-619·Zbl 1018.62034号
[6] Cleveland，W.S.、Grosse，E.和Shyu，W.M.（1993）。局部回归模型。在J编辑的《S中的统计模型》中。M.Chambers（编辑）和T.J.Hastie（编辑），309-376，查普曼和霍尔，纽约，太平洋格罗夫。
[7] de Jong，P.（1987）。广义二次型的中心极限定理。普罗巴伯。理论关联。字段75，261-277·Zbl 0596.60022号
[8] Fan，J.和Gijbels，I.（1996年）。局部多项式建模及其应用，查普曼和霍尔/CRC，伦敦·Zbl 0873.62037号
[9] Fan，J.、Zhang，C.和Zhang、J.（2001）。广义似然比统计与Wilks现象。《Ann.Stat.29153-193》·Zbl 1029.62042号
[10] Fan，J.和Zhang，J.‐T。（2000a）。应用于纵向数据的函数线性模型的两步估计。J.R.统计社会服务。B（统计方法）62303-322。
[11] Fan，J.&Zhang，W.（1999）。变系数模型中的统计估计。Ann.Stat.271491-1518年·Zbl 0977.62039号
[12] Fan，J.&Zhang，W.（2000年b）。变系数模型中的同时置信区间和假设检验。扫描。J.Stat.27，715-731·Zbl 0962.62032号
[13] Frühwirth‐Schnatter，S.（2006）。有限混合和马尔可夫切换模型，Springer‐Verlag，纽约·Zbl 1108.6202号
[14] Hartigan，J.（1985）。正态混合的似然渐近失效。《伯克利纪念杰西·内曼和杰克·基弗会议记录》，Le Cam，L.（编辑）&R.A.Olshen（编辑），807-810，加利福尼亚州贝尔蒙特市沃兹沃斯·兹比尔1373.62070
[15] Hastie，T.和Tibshirani，R.（1993年）。变系数模型。J.R.统计社会服务。B（方法）55，757-796·Zbl 0796.62060号
[16] Hennig，C.（2000年）。聚类线性回归模型的可辨识性。J.分类17，273-296·兹比尔1017.62058
[17] 胡佛，D.、赖斯，J.、吴，C.和杨，L.（1998）。具有纵向数据的时变系数模型的非参数平滑估计。生物特征85809-822·Zbl 0921.62045号
[18] Huang，M.，Li，R.，Wang，H.&Yao，W.（2014）。通过核平滑估计高斯过程的混合。J.总线。经济。统计数字32，259-270。
[19] Huang，M.、Li，R.和Wang，S.（2013）。回归模型的非参数混合。J.Am.Stat.Assoc.108，929-941·Zbl 06224977号
[20] Huang，M.和Yao，W.（2012年）。具有不同混合比例的回归模型的混合：半参数方法。《美国法律总汇》第107卷，第711-724页·Zbl 1261.62036号
[21] Leroux，B.G.（1992年）。混合分布的一致估计。Ann.Stat.20，1350-1360·Zbl 0763.62015号
[22] Li，D.，Ke，Y.和Zhang，W.（2015）。超高维广义半变系数模型中的模型选择和结构规范。Ann.Stat.432676-2705年·Zbl 1327.62262号
[23] Li，P.和Chen，J.（2010）。测试有限混合物的阶数。J.Am.Stat.Assoc.105，1084-1092·Zbl 1390.62024号
[24] Li，Q.和Racine，J.S.（2007）。《非参数计量经济学：理论与实践》，普林斯顿大学出版社，普林斯顿·Zbl 1183.62200号
[25] Lin，X.和Carroll，R.J.（2000年）。当预测器测量无误差或有误差时，聚类数据的非参数函数估计。美国统计协会期刊95，520-534·Zbl 0995.62043号
[26] Lindsay，B.G.（1995年）。混合模型：理论、几何和应用，加州海沃德数理统计研究所·Zbl 1163.62326号
[27] Lu，Z.和Song，X.（2012）。用于分析纵向非均匀数据的有限混合变系数模型。Stat.Med.31，544-560。
[28] McLachlan，G.和Peel，D.（2000年）。有限混合模型，Wiley‐Interscience，纽约·Zbl 0963.62061号
[29] Ramsay，J.O.和Silverman，B.W.（2005）。功能数据分析，纽约斯普林格·Zbl 1079.62006号
[30] Seber，G.A.F.（1977年）。线性回归分析，John Wiley&Sons，纽约-伦敦-悉尼·Zbl 0354.62055号
[31] Tan，X.、Shiyko，M.P、Li，R.、Li、Y.和Dierker，L.（2012年）。密集纵向数据的时变效应模型。精神病。方法17，61-77。
[32] Titterington，D.M.，Smith，A.F.和Makov，U.E.（1985年）。有限混合分布的统计分析，威利，纽约·Zbl 0646.62013.中
[33] Wang，S.、Yao，W.和Huang，M.（2014）。关于GLM非参数和半参数混合的可识别性的注记。统计概率。第93页，第41-45页·Zbl 1400.62159号
[34] Wu，X.和Yu，C.（2015）。使用协变量相关混合比例估计GLM混合物。Commun公司。Stat.Theory45，7242-7257·Zbl 1349.62338号
[35] Zhang，W.，Li，D.&Xia，Y.（2015）。具有未指定链接函数的广义变系数模型中的估计。《经济学杂志》，187，238-255·Zbl 1337.62086号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。