项目名称: 测量误差数据下约束线性模型的有偏估计及变量选择研究

项目编号: No.11426054

项目类型: 专项基金项目

立项/批准年度: 2015

项目学科: 数理科学和化学

项目作者: 邬吉波

作者单位: 重庆文理学院

项目金额: 3万元

中文摘要: 线性模型是数据分析中应用广泛的一类参数模型。由于实际应用中回归模型经常存在测量误差和一些约束条件,因此研究具有测量误差数据的约束线性模型更具实际意义。本项目主要研究带测量误差数据下约束线性模型的参数估计和变量选择理论与方法。第一,研究模型在等式约束下的参数有偏估计,当约束条件值得怀疑的时候,研究未知参数基于Wald检验、似然比(LR)检验和拉格朗日(LM)检验等大样本检验的预检验估计,并研究估计的相合性和渐近正态性;第二,研究如何利用Boosting方法来实现估计的变量选择,并且重点研究约束有偏估计中偏参数的选取问题。通过本项目的工作,不仅能丰富线性模型的理论,且能促进线性模型在计量经济和医学等领域的广泛应用。

中文关键词: 线性模型;测量误差;有偏估计;线性约束;

英文摘要: Linear model is a widely used parameter model in data analysis. Since in practice, regression model always exists some restrictions and measurement error, which study the restricted linear model with measurement error is practical significance. In this project we mainly discuss the parameter estimation and variable selection of the restricted linear model with measurement error. Firstly, we study the biased estimator of the linear model with exact linear restrictions, when we suspect the linear restrictions is satisfied or not, study the large sample preliminary test estimator based on the Wald test, Likelihood Ratio (LR) test and Lagrangian Multiplier (LM) test, and we discuss the asymptotic normality, consistency of these estimators; secondly, we study how to use the Boosting method to achieve variable selection, and mainly discuss the selection of the biased parameter in the restricted estimators. Through the work of this project, not only enrich the theory of linear model, but also can promote the use of the linear model in the fields of econometrics and medicine.

英文关键词: Linear model;Measurement error;Biased estimator;Linear constraint;

成为VIP会员查看完整内容
0

相关内容

对于给定d个属性描述的示例x=(x1,x2,......,xd),通过属性的线性组合来进行预测。一般的写法如下: f(x)=w'x+b,因此,线性模型具有很好的解释性(understandability,comprehensibility),参数w代表每个属性在回归过程中的重要程度。
专知会员服务
53+阅读 · 2021年10月1日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
36+阅读 · 2021年6月6日
【经典书】数理统计学,142页pdf
专知会员服务
95+阅读 · 2021年3月25日
专知会员服务
143+阅读 · 2021年2月3日
【NeurIPS2020】因果推断学习教程,70页ppt
专知会员服务
189+阅读 · 2020年12月12日
专知会员服务
138+阅读 · 2020年12月3日
漫谈统计学习之经验贝叶斯(Empirical Bayes)
PaperWeekly
2+阅读 · 2022年3月23日
从最小二乘法到卡尔曼滤波
PaperWeekly
1+阅读 · 2021年12月22日
面面观之易华录“数据银行”
THU数据派
0+阅读 · 2021年9月10日
一文读懂线性回归、岭回归和Lasso回归
CSDN
34+阅读 · 2019年10月13日
从模型到应用,一文读懂因子分解机
AI100
10+阅读 · 2019年9月6日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
数据分析师应该知道的16种回归技术:分位数回归
数萃大数据
29+阅读 · 2018年8月8日
贝叶斯机器学习前沿进展
架构文摘
13+阅读 · 2018年2月11日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
15+阅读 · 2021年2月19日
小贴士
相关VIP内容
专知会员服务
53+阅读 · 2021年10月1日
逆优化: 理论与应用
专知会员服务
36+阅读 · 2021年9月13日
专知会员服务
36+阅读 · 2021年6月6日
【经典书】数理统计学,142页pdf
专知会员服务
95+阅读 · 2021年3月25日
专知会员服务
143+阅读 · 2021年2月3日
【NeurIPS2020】因果推断学习教程,70页ppt
专知会员服务
189+阅读 · 2020年12月12日
专知会员服务
138+阅读 · 2020年12月3日
相关资讯
漫谈统计学习之经验贝叶斯(Empirical Bayes)
PaperWeekly
2+阅读 · 2022年3月23日
从最小二乘法到卡尔曼滤波
PaperWeekly
1+阅读 · 2021年12月22日
面面观之易华录“数据银行”
THU数据派
0+阅读 · 2021年9月10日
一文读懂线性回归、岭回归和Lasso回归
CSDN
34+阅读 · 2019年10月13日
从模型到应用,一文读懂因子分解机
AI100
10+阅读 · 2019年9月6日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
数据分析师应该知道的16种回归技术:分位数回归
数萃大数据
29+阅读 · 2018年8月8日
贝叶斯机器学习前沿进展
架构文摘
13+阅读 · 2018年2月11日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员