本文介绍了一种非参数方法,利用局部线性平滑程序来估计函数 / 纵向数据的均值和协方差函数,并提出了均匀收敛速率。同时,解释了该程序收敛速率与样本曲线数和曲线上的观测数两者均有关系。本文还使用该估计的协方差函数导出了主成分分析的几乎确定收敛速率,并通过模拟研究进行了验证。
Nov, 2012
研究了一类指数族模型,其规范参数被指定为未知的无限维斜率函数的线性泛函。建立了斜率函数估计的最优最小值收敛速率。构造了实现最优速率的估计量,这些估计量通过带有样本大小增长的参数的受限最大似然估计来构造。通过类似于 Le Cam 渐近等价理论的测度变换论证,消除了指数族模型非线性引起的偏差。
Aug, 2011
提供了一种简单的统一推理过程,适用于具有可能的不平滑广义剩余项的半 / 非参数条件矩限制的函数,包括所有(非线性)非参数工具变量(IV)。
Nov, 2014
通过提出鲁棒性函数主成分和鲁棒线性回归结合的两步估计方法和一种可以减少估计曲率的转换,本研究在椭圆分布下证明了这些估计量的 Fisher 一致性和在温和正则性条件下的一致性,探究了这些估计量的影响函数,模拟实验表明,相比现有的方法,所提出的估计方法具有合理的效率、能够防止出现异常预测点、产生平滑的估计值,并表现良好。
Jun, 2018
该论文讨论了非参数工具变量估计的多个重要贡献,提出了计算简单的筛子 NPIV 估计下 $h_0$ 及其导数的上准则收敛率,并建立了均匀高斯过程强逼近和对 $h_0$ 非线性泛函的评分自举均匀置信带,应用于燃油需求的确切消费者剩余和死重损失函数式下的点值和均匀推论结果。
Aug, 2015
通过建立 full density 模型 f (yjx) 而非只有期望值 E (yjx),条件密度估计广义了回归。本文提出了双核条件密度估计器,并引入了基于双数树的快速算法,用最大似然准则进行带宽选择,从而在处理多变量数据集时取得 380 万倍的加速。
Jun, 2012
本文研究了多元数据缺失的统计功能识别和估计,采用半参数方法,假设缺失机制满足无自我审查条件,用共同密度的比值参数化方法导出感兴趣的函数,提出具有加权估计器、双鲁棒性属性的估计器,并在 HIV 阳性母亲数据集上进行了仿真实验和性能评估。
Sep, 2019
本文研究非参数化的初步步骤对于许多有用参数的影响以及如何利用影响函数分析局部政策、构建机器学习估计器、进行效率比较和制定渐近正态的基本规则。研究发现影响函数是一个门托导数,我们给出了满足外生或内生正交条件的初步步骤的影响函数。最后,这项研究应用在汽油需求的分析中,结果表明平均相当变动量的估计值对内生性不敏感。
提出了一种局部鲁棒正交矩函数的构造方法,用于 GMM 的非参数或高维度的第一步估计,并表明可通过添加非参数影响函数建立正交矩函数以及用于估计未知函数的一般方法。同时给出了一些新的双重鲁棒矩方程,并应用于高维回归分位数和动态离散选择参数函数估计上的渐近推断。
Jul, 2016
本文旨在寻找通过有限样本估计交叉相关性的最佳和最简单的方法,不仅阐明了标准经验方法存在的缺陷,而且介绍了一大类构造交叉相关器的简单非线性函数,其中 Huber 损失函数、边际传播函数和 log-sum-exp 函数是最有前途的。
Apr, 2023