两样本函数线性模型

@文章{Xu2019TwosampleFL,title={两个样本函数线性模型},author={徐文超、张日泉、华亮},journal={统计Sinica},年份={2019},网址={https://api.semanticscholar.org/CorpusID:125508279}}
本文研究了具有回归函数标度变换的二样本函数线性回归。基于函数主成分分析,我们考虑了截距、斜率函数和标量参数的估计。我们还建立了斜率函数估计的收敛速度,证明了在某些光滑性假设下,斜率函数在极大极小意义下是最优的。我们进一步研究了估计…的半参数效率

本文图表

函数线性模型的自适应全局测试

本文研究函数线性回归模型中斜率函数的全局检验。功能性全局测试的一个主要挑战是在以下情况下选择投影维度

函数线性模型的样条估计

本文考虑了一个回归设置,其中响应是标量,预测器是定义在紧集R上的随机函数,并研究了一个基于泛函系数的B样条展开的估计器,它推广了岭回归。

函数/纵向数据中非参数回归和主成分分析的一致收敛速度

我们考虑函数/纵向数据的均值和协方差函数的非参数估计。对于局部线性估计量,给出了强一致收敛率

函数线性回归的方法和收敛速度

在函数线性回归中,斜率“参数”是一个函数。因此,在非参数环境中,它由无穷多的未知量决定。其估计涉及求解

具有非参数链接的单指标和多指标函数回归模型

介绍了一种非参数估计链接函数的新技术,并提出了一种使用函数数据的自适应定义线性投影进行多指标建模的方法,结果表明,这些方法能够以多项式收敛速度进行预测。

函数线性回归的再生核Hilbert空间方法

本文研究了函数线性回归的光滑正则化方法,并对预测和估计问题进行了统一处理。通过在上开发工具

函数线性回归的光滑样条估计

本文考虑函数线性回归,其中标量响应$Y_1,。。。,Y_n$的建模依赖于随机函数$X_1,。。。,X _美元。我们提出了一种平滑样条估计

函数混合回归。

提出了一类新的函数回归模型,该模型允许回归结构因不同的受试者群体而异,与传统的FLM相比,该模型有可能获得实质性的收益。