Lasso估計是處理多重共線性的重要手段之一,與嶺估計不同,它兼具壓縮和篩選兩個特點。近年來,Lasso估計的大樣本性質(zhì)是統(tǒng)計領域的研究熱點。其中,有關條件異方差模型的Lasso估計的研究則起步較晚。Wagener和Dette（2013）研究了一類線性回歸-異方差模型Yt=X,n’βn0+σ(Xt,n,Yt ε,證明了其加權的適應性Lasso估計具備符號相合性與漸近正態(tài)性。受此啟發(fā),Ziel（2016）應用一種迭代重加權算法,研究了線性回歸-條件異方差模型Yt=Yt,X,n’βn0+εt,其中εt=σtZt,σt =g（αn0;Ln,t0）,并且證明了其加權的適應性Lasso估計同樣具備符號相合性與漸近正態(tài)性。彈性網(wǎng)絡估計是Lasso估計的一種推廣,在一定程度上,它可以兼具Lasso估計和嶺估計的特點。本文推廣了 Ziel（2016）的結論,對線性回歸-條件異方差模型Yt= Xt,n’β0 +εt,其中εt=σtZt,σt=g（αn0;Ln,t0）,提出了一種基于迭代重加權算法的適應性彈性網(wǎng)絡估計,并證明了在一定條件下,上述加權的適應性彈性網(wǎng)絡估計具備符號相合性及漸近正態(tài)性。證明過程中... 

【文章來源】：南京大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：36 頁

【學位級別】：碩士

【部分圖文】：

圖１?ｎ?＝＝?５００時的一條樣本路徑＆?？?＝?１０００時的一條樣本路徑??

能力上應當比ｔ＝ｌ時有顯著的提升。表２、表３中的正確率和錯誤率變化說明，??我們的模擬結果證實了這一點。另外，以《?＝?５００時為例，某次模擬的篩選效果??圖如圖４所示。從下圖可看出，々＝２時估計的篩選變量能力較＆＝１時顯著提??升。??４４?４２?４１?３７?３２?１６?２??ＣＮ４?．＇?－?￣?＂?．?＿??＾?ｒ??＿?????????????；—；一■■！■■■■?■?＇?＂＾＊＊＊＾—－??〇?一?■?＇■■■…丨丨＂：■?ｄＵｍ?．．??。二：．．．．．．．．．．．．．．．－■■：?■．?——■＝－…一??９．?＿?一??Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??－１０?－９?－８?－７?－６?－５?－４??Ｌｏｇ?Ｌａｍｂｄａ??４３?４３?４３?４０?３２?２３?４??＾?〇＿?：????；〇?＾?—?????????ｑ?。一?￣￣￣：二：二二、、．??ｇ??＝＾ｒ」－：－＿，一一??■?Ｍ＿?．■丨…—＿＿＿ｕ＾?－??ｔａｓｓ＝＝—■？??＇?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??－７?－６?－５?－４?－３?－２?－１??Ｌｏｇ?Ｌａｍｂｄａ??圖４在《?＝?５００時的某次模擬中，；ｔ＝ｌ與ｔ?＝?２的篩選效果圖??２８??


本文編號：2927130