半参数纵向模型的惩罚二次推断函数估计  

Estimation for Semi-parametric Longitudinal Models Using Penalized Quadratic Inference Functions Method

作　　者：赵明涛[1] 许晓丽[2] 

机构地区：[1]安徽财经大学统计与应用数学学院,安徽蚌埠233030 [2]安徽财经大学管理科学与工程学院,安徽蚌埠233030

出　　处：《统计与信息论坛》2014年第8期3-8,共6页Journal of Statistics and Information

基　　金：全国统计科学研究计划项目<我国区域经济增长收敛的实证分析>(2011LY031);安徽省高校优秀青年人才基金项目<安徽省产业集聚与区域经济发展的互动研究>(2011SQRW048)

摘　　要：针对纵向数据半参数模型E(y|x,t)=XTβ+f(t),采用惩罚二次推断函数方法同时估计模型中的回归参数β和未知光滑函数f(t)。首先利用截断幂函数基对未知光滑函数进行基函数展开近似,然后利用惩罚样条的思想构造关于回归参数和基函数系数的惩罚二次推断函数,最小化惩罚二次推断函数便可得到回归参数和基函数系数的惩罚二次推断函数估计。理论结果显示,估计结果具有相合性和渐近正态性,通过数值方法也得到了较好的模拟结果。In this paper ,as for semi-parameter models with longitudinal data ,we estimate regression parameter and unknow n smoothing function simultaneously using the penalized quadratic inference functions method . We approximate unknown smoothing function by truncated power basis functions expansion and construct penalized quadratic inference functions about regression parameter and coefficients of basis functions using penalized splines method ,then get estimator by minimizing the penalized quadratic inference functions .Theoretical results shows that the proposed method have consistency and asymptotic normality .Furthermore ,we get good simulation results by using numerical method .

关 键 词：纵向数据 半参数模型 二次推断函数 惩罚二次推断函数 

分 类 号：O212.1[理学—概率论与数理统计] F064.1[理学—数学]