基于复合分位数回归方法的统计模型的相关研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 回归模型 | 第8-10页 |
| 1.2 复合分位数回归方法 | 第10-11页 |
| 1.3 变量选择 | 第11-14页 |
| 1.4 缺失数据 | 第14-15页 |
| 1.5 删失数据 | 第15-16页 |
| 1.6 本文的研究内容和结构安排 | 第16-18页 |
| 2 协变量随机缺失的线性模型 | 第18-38页 |
| 2.1 引言 | 第18页 |
| 2.2 逆概率加权复合分位数估计及变量选择 | 第18-20页 |
| 2.3 算法及惩罚参数的选取 | 第20-21页 |
| 2.3.1 算法 | 第20-21页 |
| 2.3.2 惩罚参数的选择 | 第21页 |
| 2.4 假设条件与理论性质 | 第21-23页 |
| 2.5 数值模拟 | 第23-29页 |
| 2.6 实际数据分析 | 第29-30页 |
| 2.7 定理的证明 | 第30-38页 |
| 3 响应变量右删失且协变量维数发散的线性模型 | 第38-64页 |
| 3.1 引言 | 第38-39页 |
| 3.2 惩罚的逆删失概率加权复合分位数估计 | 第39-40页 |
| 3.3 定理所需条件及理论结果 | 第40-41页 |
| 3.4 计算方法 | 第41-43页 |
| 3.5 惩罚参数选取 | 第43页 |
| 3.6 数值模拟 | 第43-44页 |
| 3.7 实际数据分析 | 第44-56页 |
| 3.8 定理的证明 | 第56-64页 |
| 4 响应变量右删失的部分线性可加模型 | 第64-88页 |
| 4.1 引言 | 第64-65页 |
| 4.2 样条逼近及估计方法 | 第65-66页 |
| 4.3 变量选择 | 第66页 |
| 4.4 算法 | 第66-67页 |
| 4.5 惩罚参数选取 | 第67页 |
| 4.6 主要理论结果 | 第67-69页 |
| 4.7 数值模拟 | 第69-71页 |
| 4.8 实例分析 | 第71-79页 |
| 4.9 主要结果的证明 | 第79-88页 |
| 5 协变量随机缺失的单指标模型 | 第88-110页 |
| 5.1 引言 | 第88-89页 |
| 5.2 估计方法 | 第89-90页 |
| 5.2.1 逆概率加权单指标复合分位数估计 | 第89-90页 |
| 5.2.2 估计选择概率 | 第90页 |
| 5.3 定理所需条件及渐近性质 | 第90-92页 |
| 5.3.1 参数部分的渐近性质 | 第91-92页 |
| 5.3.2 非参数部分的渐近性质 | 第92页 |
| 5.4 数值模拟 | 第92-97页 |
| 5.5 主要结果证明 | 第97-110页 |
| 6 总结 | 第110-112页 |
| 致谢 | 第112-114页 |
| 参考文献 | 第114-126页 |
| 附录 | 第126页 |
| A. 作者在攻读博士期间的研究成果及发表的论文 | 第126页 |
| B. 作者在攻读博士期间参与的科研项目 | 第126页 |
