k-class估计在高维线性模型的推广
摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第10-20页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 研究现状 | 第11-17页 |
1.2.1 高维线性模型研究现状 | 第11-13页 |
1.2.2 工具变量估计研究现状 | 第13-15页 |
1.2.3 k-class估计研究现状 | 第15-17页 |
1.3 论文研究内容 | 第17-20页 |
1.3.1 论文的主要工作与贡献 | 第17-18页 |
1.3.2 论文的结构安排 | 第18-20页 |
第二章 k-class估计在高维线性模型中推广 | 第20-32页 |
2.1 k-class估计具有一般性 | 第20-23页 |
2.1.1 线性回归模型的估计方法 | 第20-21页 |
2.1.2 k-class估计 | 第21-23页 |
2.2 高维线性模型 | 第23-26页 |
2.2.1 惩罚因子法 | 第23-25页 |
2.2.2 Adaptive LASSO | 第25-26页 |
2.3 k-class估计在高维线性模型中的推广 | 第26-32页 |
2.3.1 化简k-class估计形式 | 第27-28页 |
2.3.2 选择最优的k | 第28-29页 |
2.3.3 k-class估计推广到高维 | 第29-32页 |
第三章 k-class估计推广到高维的性质研究 | 第32-36页 |
3.1 模型假设 | 第32-33页 |
3.2 渐近性质 | 第33-36页 |
第四章 随机模拟 | 第36-54页 |
4.1 随机模拟设置 | 第36-38页 |
4.2 随机模拟结果展示 | 第38-52页 |
4.2.1 相关系数p_1=0结果展示 | 第38-42页 |
4.2.2 相关系数p_1=0.2结果展示 | 第42-47页 |
4.2.3 相关系数p_1=0.3结果展示 | 第47-52页 |
4.3 随机模拟结果分析 | 第52-54页 |
第五章 总结与展望 | 第54-58页 |
5.1 总结 | 第54-56页 |
5.2 展望 | 第56-58页 |
参考文献 | 第58-64页 |
附录 | 第64-72页 |
致谢 | 第72页 |