两种线性模型的分位数LASSO变点估计

发布时间：2021-12-18 19:00

　　变点问题自上世纪70年代以来一直是统计学中的一个热门话题,而线性回归模型和线性面板数据模型在经济金融中的应用非常广泛,使用分位数LASSO方法应用于两种模型,可以作为变点估计的重要手段.本文在已有的理论基础上,对线性回归模型和线性面板数据模型的变点估计问题进行研究,具体内容如下:首先,研究了线性回归模型的变点估计问题,给出了分位数LASSO估计量.讨论了当估计变点数目与真实变点数目相等时,变点位置估计的一致性.证明了变点的估计数目大于真实数目时,真实变点集与估计变点集的Hausdorff距离在一定范围之内.数值模拟验证了两种调节参数下分位数LASSO的估计性能.其次,研究了线性面板数据的变点估计问题,对分位数LASSO方法进行修改以适用于线性面板数据结构.证明了在给定条件下,模型估计参数和真实参数的一致性,且变点的估计数目小于真实数目的概率趋近于0.数据模拟验证了两种误差分布下分位数LASSO方法的稳健性.最后,总结了本文的主要工作,提出需要进一步要进行研究的内容. 

【文章来源】：淮北师范大学安徽省

【文章页数】：40 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 文章主要内容安排
第二章 预备知识
    2.1 变点估计方法
    2.2 基本理论
第三章 线性回归模型的变点估计
    3.1 线性回归模型变点位置估计
    3.2 线性回归模型变点估计集与真实集的Hausdorff距离
    3.3 数值模拟
第四章 线性面板数据的变点估计
    4.1 线性面板数据变点的参数估计
    4.2 线性面板数据的变点数目估计
    4.3 数值模拟
第五章 总结与展望
参考文献
攻读硕士学位期间出版或发表的论著、论文
致谢


【参考文献】：
期刊论文
[1]带网络结构的自适应Lasso分位数回归及其应用[J]. 王小燕,姚佳含,袁欣.  系统工程理论与实践. 2019(08)
[2]Lasso-二元选择分位数回归模型在财务报告舞弊识别中的应用[J]. 王威,杨朋之.  上海市经济管理干部学院学报. 2019(04)
[3]基于弹性网降维及花授粉算法优化BP神经网络的短期电力负荷预测[J]. 张淑清,杨振宁,张立国,苑世钰,王志义.  仪器仪表学报. 2019(07)
[4]高维广义线性模型的拟似然自适应Lasso估计[J]. 陈夏,崔艳.  陕西师范大学学报(自然科学版). 2019(02)
[5]面板数据中方差渐变变点的最小二乘估计[J]. 刘鑫,赵文芝,薛义新.  纺织高校基础科学学报. 2017(03)
[6]基于线性插值的贝叶斯Lasso分位数回归及应用[J]. 赖学方,贺兴时,贺琳.  统计与决策. 2017(18)
[7]经验分布函数的一个非参数置信带[J]. 刘薇.  天水师范学院学报. 2013(05)
[8]用特征函数证明集合的关系[J]. 李宇芳,王建珍.  晋东南师范专科学校学报. 2004(02)

硕士论文
[1]均值变点的两阶段估计[D]. 黄新程.广西师范大学 2019



本文编号：3543004