熊 彪,蔡 婷
(湖北师范大学 数学与统计学院,湖北 黄石 435002)
半参数回归模型的几乎无偏差分k-d估计
熊 彪,蔡 婷
(湖北师范大学 数学与统计学院,湖北 黄石 435002)
利用差分的方法研究半参数回归模型,提出了半参数回归模型的几乎无偏差分k-d估计,讨论了该估计量的一些基本性质.在均方误差意义下,与差分k-d估计进行了比较,得到了在一定情况下几乎无偏差分k-d估计优于差分k-d估计.
半参数回归模型;几乎无偏;差分k-d估计;均方误差
部分线性模型是线性和非线性模型的混合模型,是八十年代以来发展起来的一种用途十分广泛的统计模型.部分线性回归模型的一般形式可以表示为:
yi=xiβ+f(ti)+εi,i=1,2,…n,
其中β=(β1,β2,…βp)T是p×1维待估参数向量,xi是已知的p维设计向量,f∈R1为定义在[0,1]上的未知函数,yi是观测值,εi是随机误差项,ε1,ε2,…,εn独立同分布,且满足,Eεi=0,Dεi=σ2.由于部分线性模型的应用广泛且灵活,国内外许多学者关注着部分线性回归模型相关问题的研究,其中对模型中参数估计方法的研究已成为热点问题,如核光滑估计法[2],压缩估计[3],岭估计[4],Liu-型估计[5]和差分k-d估计[6]等,这些有偏估计的提出是为了消除复共线性.虽然相对于最小二乘估计而言,有偏估计损失了其无偏性,但其在均方误差这一评价条件来看,更加优良,更加符合实际.本文基于部分线性回归模型参数的差分估计,使用k-d回归估计的概念,提出了部分线性回归模型参数的几乎无偏差分k-d估计的概念,研究它的相关性质并证明它的优越……