我們?cè)趯?duì)現(xiàn)實(shí)生活中的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)建模時(shí)會(huì)發(fā)現(xiàn)在數(shù)據(jù)中往往存在數(shù)據(jù)缺失的情況。數(shù)據(jù)缺失的原因有很多,例如數(shù)據(jù)采集時(shí)沒(méi)有采集到,又如數(shù)據(jù)保存時(shí)出現(xiàn)各種原因?qū)е聰?shù)據(jù)丟失等原因。雖然生活中很多數(shù)據(jù)的產(chǎn)生很快且成本很低,同時(shí)對(duì)研究不會(huì)存在影響,通常我們對(duì)這類(lèi)缺失的數(shù)據(jù)進(jìn)行刪除,然后進(jìn)行研究。但是耗費(fèi)巨大人力、物力、財(cái)力或是很長(zhǎng)時(shí)間才能觀測(cè)到的數(shù)據(jù)丟失將是巨大的損失,此時(shí)首先要將缺失的數(shù)據(jù)進(jìn)行補(bǔ)全,然后進(jìn)行研究。半?yún)?shù)回歸模型在統(tǒng)計(jì)建模中是一類(lèi)重要的回歸模型,這類(lèi)回歸模型是在線性回歸模型的基礎(chǔ)上加上了非線性回歸模型部分。因此,半?yún)?shù)回歸模型不僅擁有線性回歸模型的可解釋性,同時(shí)還具備非線性回歸模型的穩(wěn)健性。變系數(shù)模型和部分線性變系數(shù)模型就是一類(lèi)重要的半?yún)?shù)回歸模型,此類(lèi)回歸模型在經(jīng)濟(jì)、金融、氣象、工業(yè)、農(nóng)業(yè)等領(lǐng)域有著廣泛的應(yīng)用。我們?cè)诮⒒貧w模型時(shí),檢驗(yàn)回歸模型的殘差是否具有相同的方差是一項(xiàng)必不可少的工作。如果所建立的回歸模型存在異方差,那么模型將不能進(jìn)行有效的預(yù)測(cè)預(yù)報(bào)。本文研究的是基于經(jīng)驗(yàn)似然的響應(yīng)變量隨機(jī)缺失的部分線性變系數(shù)模型的異方差檢驗(yàn)。本人的工作,首先研究了響應(yīng)變量缺失下的變系數(shù)模型和部分... 

【文章頁(yè)數(shù)】：49 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 引言
    1.2 缺失數(shù)據(jù)的簡(jiǎn)介及研究現(xiàn)狀
    1.3 異方差檢驗(yàn)的簡(jiǎn)介及研究現(xiàn)狀
    1.4 經(jīng)驗(yàn)似然的簡(jiǎn)介及研究現(xiàn)狀
    1.5 本人的工作及論文的結(jié)構(gòu)
2 部分線性變系數(shù)模型的估計(jì)方法及缺失數(shù)據(jù)的處理方法
    2.1 部分線性變系數(shù)模型的估計(jì)方法
    2.2 缺失數(shù)據(jù)的處理方法
3 響應(yīng)變量缺失下變系數(shù)模型的異方差檢驗(yàn)
    3.1 引言
    3.2 變系數(shù)模型中響應(yīng)變量隨機(jī)缺失的處理方法
    3.3 響應(yīng)變量缺失下變系數(shù)模型異方差的檢驗(yàn)方法
    3.4 數(shù)值模擬
4 響應(yīng)變量缺失下部分線性變系數(shù)模型的異方差檢驗(yàn)
    4.1 引言
    4.2 部分線性變系數(shù)模型中響應(yīng)變量隨機(jī)缺失的處理方法
    4.3 響應(yīng)變量缺失下部分線性變系數(shù)膜型的異方差檢驗(yàn)
    4.4 數(shù)值模擬
    4.5 定理的證明
5 總結(jié)與展望
致謝
參考文獻(xiàn)
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文及取得的研究成果



本文編號(hào)：3705754