含空间自相关误差项的非参数回归模型的调整经验似然估计.pdf
《含空间自相关误差项的非参数回归模型的调整经验似然估计.pdf》由会员分享,可在线阅读,更多相关《含空间自相关误差项的非参数回归模型的调整经验似然估计.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 35 卷第 3 期湖南文理学院学报(自然科学版)Vol.35 No.32023 年 9 月Journal of Hunan University of Arts and Science(Science and Technology)Sep.2023doi:10.3969/j.issn.16726146.2023.03.004含空间自相关误差项的非参数回归模型的调整经验似然估计邹云龙(广西师范大学 数学与统计学院,广西 桂林,541004)摘要:利用调整经验似然的方法,研究了含空间自相关误差项的非参数回归模型的调整经验似然估计问题。通过鞅差序列处理该模型估计方程中出现的线性二次型形式,构造出
2、该模型的经验似然比统计量。针对经验似然估计方程可能不存在解的情况构造调整经验似然比统计量,证明了该调整经验似然比统计量是渐近卡方分布的,并且对该调整经验似然比统计量的渐进功效进行了研究。关键词:非参数回归函数;调整经验似然;鞅差序列中图分类号:O 212.7文献标志码:A文章编号:16726146(2023)03002006Adjusted empirical likelihood for nonparametric regression model with spatialautoregressive errorZou Yunlong(Department of Mathematics an
3、d Statistics,Guangxi Normal University,Guilin 541006,China)Abstract:This paper investigates the problem of adjusting the empirical likelihood estimation of a nonparametricregression model with a spatially autocorrelated error term by using the adjusted empirical likelihood method.Theempirical likeli
4、hood ratio statistic of the model is constructed by processing the linear-quadratic forms in theestimating equation of the model through the martingale difference sequence.The adjusted empirical likelihood ratiostatistic is constructed for the case that the empirical likelihood estimating equations
5、may not have a solution.In thispaper,we prove that the adjusted empirical likelihood ratio statistics are chi-squared distributions,and investigate theasymptotic efficacy of the adjusted empirical likelihood ratio statistics.Key words:nonparametric regression;adjusted empirical likelihood;martingale
6、 difference sequence随着现今数据越来越复杂,数据中不同事物的关系不能完全确定,而非参数回归模型无需事先假定模型的具体形式,完全凭借数据驱动,使得非参数回归模型被更广泛的应用。除此之外,非参数回归模型还具有很强的适应性和稳健性,该模型也被许多学者进行了研究。如:Ding 等1研究了不确定非参数回归模型的最小二乘估计;李英华等2在()混合的随机误差下,研究了固定设计及响应变量有缺失的非参数回归函数的经验似然推断;田亚爱等3研究了误差项为一阶非参数自回归时非参数回归模型的核估计,并证明了估计量在给定条件下的渐近正态性质;李晋云等4基于样条方法对固定设计非参数回归模型进行了区间预测
7、;屈聪等5对误差为鞅差序列的非参数回归模型的完全相合性进行了研究。而本文需要研究的含空间自回归误差的非参数回归模型也是非参数回归模型中的一种延伸拓展,该研究结果也会进一步补充和完善非参数回归模型领域中的相关研究结果。经验似然方法是由 Owen 在文献6中提出的一种非参数估计方法。由于经验似然方法具有变换不通信作者:邹云龙,。收稿日期:20221025基金项目:广西研究生教育创新计划项目(YJSCXP202104)。第 3 期邹云龙:含空间自相关误差项的非参数回归模型的调整经验似然估计21变性、无需构造枢轴统计量等优点,从该方法被提出开始,就被大量学者关注并研究,并被应用于许多领域。Li7等人研
8、究了含空间自相关误差项的非参数回归模型的经验似然方法的统计性质。但是,经验似然方法在具体求解时,只有当 0 在估计函数集合的凸包内部时才有解。为了解决该问题,许多学者对其进行了研究,并提出了各种解决方法,其中比较典型的方法是文献8中提出的一种调整经验似然方法,该方法可以很好地解决这个问题,并且该方法的思想和计算比较简单,也拥有同样的大样本性质。本文基于文献8的结果通过调整经验似然方法来研究含空间自相关误差项的非参数回归模型。1主要结论本文考虑如下的具有空间自回归误差的非参数回归模型:=()+,1,iiymUin ix(1)(),nnU=W U+(2)其中:n表示空间单元的数目;()m 是未知的
9、光滑函数;iy是响应变量;0,1(1)rrix是固定设计点;T1()nU,UU是n维误差向量,其中符号 T 表示向量或矩阵的转置;|1是自回归参数;Wn是对角线元素全部为 0 的nn维空间权重矩阵;()n是n维向量且满足()()()0,Var()2nnnE=I,其中In表示nn维的单位矩阵。对于给定的(0,1)rx,模型(1)中()m x常用的估计量类型为1()(),nnniiimWyxx其中权重函数(),=1,niWix2,n是非负的加权函数。取00nh=h 和非负核函数(),rKRu u。令()hK=u()Kuh。在本文中,权重函数()niWx使用 NadarayaWatson 权重:=1
10、()()()hininhjjKWKxxx=xx。由公式(1)知,()iiiUymx。因此iU的估计量是()iiniUymx。令T1(,)nUUU,()()nnnUW UAU,其中()nnnAIW是非退化矩阵。根据式(2),可得和2拟极大似然估计的对数似然函数22T()()21(,)log(2)loglog|()|,222nnnnnL A(3)其中()()nn AU。令2(,),()mx,分别对 和进行调整经验似然估计。1.1 的调整经验似然估计为了得到 的调整经验似然估计,使用公式(3)分别对和2求导22T121T2()()()()2224(,)11(,)1()tr()tr(),2nnnnnn
11、nnnnLL W AW AGGT2()()(),nnn(4)其中1T1(),()2nnnnnnGW AGGG,tr()表示矩阵的迹。令式(4)中两个偏导式的值都为0,可以得到估计方程:T2()()tr()0,nnnnGG(5)T2()()0nnn。(6)用ijg 表示矩阵nG中位置(,)i j的元素。为了处理式(5)中的二次型,需要引入文献9介绍的鞅差序列。定义-域:0,F,1(,.,),1iiin F。令1221()2,iiniiiiijjjYgg(7)其中i是()()nn AU 的第i个元素,且1iiFF。如果使用 i代替 i,那么,1iniYin F将会22湖南文理学院学报(自然科学版)
12、2023 年构成一个鞅差序列,且T2()()1tr()nnnnniniY G G。(8)根据式(5)(8),令122122()2()iiiiiijjjiigg 。因此,可以构造2(,)的经验似然统计量1,1111()sup,innipiniLnp 其中1ip满足条件:111110,1,1,()nniiiiiipinpp0 。由拉格朗日乘数法,可得T1111T1111,()2log()2log1()(),1()()ninniiiplLn 其中,21()R 是下面方程的解:T11()01()()niii 。(9)但当样本量较少,0不在经验似然估计函数集合1(),()n 的凸包内时,方程(9)不一定
13、有解,此时1()nl 不一定可以得到。为了解决这个问题,可参考文献8构造2(,)的调整经验似然统计量:1,1*11111()sup,innipiniLnp 其 中*ip满 足 条 件:11*111110,11,1,(),nniiiiiipinpp0 其 中1,nnna 11()(),nnniin 0na 是一个调整参数。由拉格朗日乘数法,可得1*T1111*T1111,()2log()2log1()(),1()()ninniiiplLn (10)其中,*21()R 是下面方程的解:1*T11()01()()niii 。(11)显然,当 0 时,*11()()0nnll。因集合11(),.,()
14、,()nn 的凸包内部包含 0,则方程(11)一定有解,所以*1()nl 一定可以得到。1.2给定(0,1)rx时()mx的调整经验似然估计根据式(1)和(2),可得1(),niiijjijymw Ux其中ijw是矩阵nW在位置(,)i j的元素,通常假定对角线元素0iiw。根据文献10可以令()()(),ihiiQKyxx其中1niinijjjyyw U。定义的经验似然比统计量为2,2211()sup innipiniLnp 其中2ip满足条件:222110,1,1,()0nniiiiiipinpp Q。由拉格朗 日 乘 数 法,可 得2211,1()()iipnQ 2221()2log()
15、2log1()(),nnniilLQ 其 中,2()R是下面方程的解:12()01()()niiiQQ。(12)同样,当样本量较少时,方程(12)不一定有解。需要构造()m x的调整经验似然比统计量为*2()nL:第 3 期邹云龙:含空间自相关误差项的非参数回归模型的调整经验似然估计232,1*2111supinipininp 其中*2ip满足条件:11*222110,1,1,()0nniiiiiipinpp Q;1()()nnnQb Q,11()()nniiQnQ,0nb 是一个调整参数。由拉格朗日乘数法,可得*22*211,()1()()iniplnQ 1*2212log()2log1()
16、(),nniiLQ 其中,*2()R是下面方程的解:1*12()0,1()()niiiQQ(13)且该方程的解一定存在。在本文中,记符号()V A为矩阵 A 的对角线元素组成的列向量,为了获得调整经验似然比统计量*1()nl和*2()nl的渐进分布,需要如下假设条件:(A1)()m 在0,1rx上满足 Lipschitz 条件,即对任意的12,0,1,rx x存在常数0C使得1()mx2012()mCxxx。(A2),1iin 是均值为 0,方差为20的独立同分布的随机变量序列,并且存在10,使得141|E。(A3)非负核函数()K u有界,且1()()nrhiiKO nhxx。权重函数(),
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 空间 相关 误差 参数 回归 模型 调整 经验 估计
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。