参数已知下比例函数系数线性模型的局部多项式估计

2014-03-26 07:32常克亮陈贵景
长春工业大学学报 2014年2期
关键词:正态维数线性

常克亮, 陈贵景

(山西大同大学数学与计算机科学学院,山西大同 037009)

0 引 言

函数系数模型是由Tibshirani和Hastie[1]在1993年提出的,由于函数系数模型里面存在的维数问题产生了很多不便,由此出发,统计专家们对其进行了研究,提出来很多不同的解决办法,文献[2-5]都有体现。文献[6]提出了如下模型:称为比例函数系数线性模型。其中Y是因变量,X=(X1,X2,…,Xp)T和Z=(Z1,Z2,…,Zp)T是自变量,X与Z的独立性不确定;但是ε独立于X和Z,且E(ε)=0,Var(ε)=1;假定σ(·,·)是从R2p到R的确定可测函数;g(·)是从R到R的一个未知可测函数;Cα(γ),(α=1,2,…,p)是参数γ的已知函数,γ=(γ1,γ2,…,γp)T的可知性不清楚,现在来考虑在假设γ已知的条件下,讨论系数函数局部多项式估计及其渐近正态性,记

1 估计和渐近正态性

由局部多项式思想来求解:

即关于{aα,α=1,2,…,p}和{bα,α=1,2,…,p}的极小值,设~gα(x)是使式(2)达到极小化的解的前p个值,由局部多项式思想:

可见,x=(x1,x2,…,xp)T,eα,2p是单位向量,它的维数为2p,而且第α个分量为1,U是一个矩阵,维数是n×2p,U的第i行是

易知W=diag(W11,W22,…,Wpp),Wii=Khα(Xiα-xα)是W的第i个对角线元素,Xiα,Ziα分别是Xα和Zα的第i个观察值,Khα(·)=K(·/hα),K(·)是一个概率密度函数,而且有紧支撑,并关于0对称,有界非负的Lipschitz连续的,hα=hnα>0是窗宽。

条件:

A1:X的联合密度p(x)以及Xα的边际密度pα(xα)是有紧支撑的,有界的,而且是Lipschitz连续的;

2 证 明

引理1 令

在假设A1和A2都成立的条件下有:

从而

引理2 令Mn,r(x0)=(Mn,r,λ(x0))pλ=0,在假设A1和A2都成立的条件下有:

从而

引理3 令Qn,r(x0)=(Qn,r,λ(x0))pλ=0,在假设A1和A2都成立的条件下有:

从而

由引理1、引理2和引理3得:

3 结 语

把局部多项式方法用到了比例函数系数线性模型的估计中,得到系数函数的局部多项式估计,并且讨论了估计的渐近正态性。

[1] Hastie T,Tibshirani R.Varying-coefficient models[J].Statist.Soc.B,1993,55(4):757-796.

[2] Cai Z,Fan J.Avreage regression surface for dependent[J].Multivaraiate Anal,2000,75:112-142.

[3] Cai Z,Fan J,Yao Q.Function-coefficient models for nonlinear time series[J].American Statist,As-soc,2000,95:451.

[4] Fan J,Zhang J.Two-step estimation of functional lineat models with applications to longitudinal data[J].R.Statist,2000,62B:303-322.

[5] Zhang R Q,Li G Y.Avreage estimation of function-coefficient regression models with different smoothing variables[J].Statistics &Probability,2007,77:455-461.

[6] 张日权,卢一强.变系数模型[M].北京:科学出版社,2004.

[7] 常克亮,陈贵景.参数已知下比例函数线性模型的平均估计[J].佳木斯大学学报:自然科学版,2012(6):917-919.

[8] 施三支,赵鸣霖.一阶双重线性时间序列模型的参数估计[J].长春理工大学学报:自然科学版,2004(1):64-68.

猜你喜欢
正态维数线性
渐近线性Klein-Gordon-Maxwell系统正解的存在性
β-变换中一致丢番图逼近问题的维数理论
线性回归方程的求解与应用
利用二元对数正态丰度模型预测铀资源总量
一类齐次Moran集的上盒维数
二阶线性微分方程的解法
双幂变换下正态线性回归模型参数的假设检验
基于泛正态阻抗云的谐波发射水平估计
基于直觉正态云模型和最优变权的变压器绝缘状态评估
基于线性正则变换的 LMS 自适应滤波