导读:本文包含了线性结构模型论文开题报告文献综述及选题提纲参考文献，主要关键词:线性模型,面板数据,最小二乘法,相合性
线性结构模型论文文献综述
韩姣,夏志明[1]（2019）在《部分结构突变的线性面板模型的变点估计》一文中研究指出研究带有单个公共变点的部分结构突变的线性面板模型中的变点估计问题.采用最小二乘方法估计线性参数,通过最小化残差平方和估计公共变点,证明了变点估计量的相合性,并通过蒙特卡罗模拟验证了理论的正确性.(本文来源于《纯粹数学与应用数学》期刊2019年02期）
费妮娜[2]（2019）在《基于观测数据的线性结构因果模型估计》一文中研究指出如今,人们在科学、娱乐、商业和工业各领域收集和挖掘大量数据,并对其进行研究和应用.就像Rutherford D.Rogerd等人所讲:“这个世界淹没在了数据中,我们淹没在了信息的海洋里,却渴求着知识”.海量信息亟待整理,取其精华去其糟粕.人们渴求仅用较少参数恢复一组数据的基础信息,实现挖掘数据隐含的因果机制.近年来,人们提出了从非实验数据中发现因果结构的一些方法.这些方法对数据生成过程进行了各种假设,以便纯粹从观测数据中估计因果关系.本文以提高大数据背景下连续变量的因果推断能力作为研究目标,并且从客观地估计因果顺序、估计隐变量、构建因果模型新框架、提出非线性因果结构等四方面展开研究.本文基于观测数据的因果关系学习,为该研究领域中正确学习因果结构和估计因果效应提供了有效补充.主要内容和创新点如下:1.路径分析作为描述变量之间因果依赖关系的主要方法,被广大研究者采用.针对路径分析采用人为给定因果排序的缺陷,以及“几乎没有一种方法能研究和推断所有因果关系”的观点,本文提出了一个集成的因果路径识别方法.首先,对清洗之后的原始数据本文采用一个直接的线性非高斯无环模型(DirectLiNGAM)方法客观估计变量之间的因果顺序和初始连接强度矩阵.针对初始连接强度矩阵不便于模型解释的现象,本文采用线性模型选择方法中的Adaptive lasso削减冗余有向边,重新获得连接强度矩阵.根据消减后的连接强度矩阵,递归模型和因果路径图分别被建立和绘制.通过对因果路径图检验,找到了未通过模型拟合度检验的有向边和变量,经过改变方向、删除变量等方法,获得了拟合度高于前者的因果模型和因果路径图,并且估计了变量之间的直接、间接效应和总效应.2.在上面路径分析中因果路径识别方法的基础上,本文接着研究了隐变量存在情况下,隐变量与观测变量、观测变量与观测变量之间的因果推断问题.文章基于探索性因子分析(EFA)理论和路径分析(PA)思想,提出一个用EFA-PA建立隐变量与观测变量、观测变量与观测变量之间的线性结构因果模型框架的方法.EFA-PA方法与结构方程模型(SEM)建立线性因果模型的思想接近,但是与结构方程模型相比具有3个优点:一是基于主成分分析方法的EFA清晰地识别了隐变量并估计了隐变量的个数,易于建立测量模型(即隐变量与观测变量之间的线性结构因果模型);二是基于PA方法估计了观测变量之间的线性结构因果模型,弥补了SEM没有充分挖掘观测变量之间因果关系的空缺;叁是减少了SEM在拟合度不高时调整因果路径的盲目性.进一步,针对现实中观测变量之间的因果关系不完全都是线性模型的现象,本文释放EFA-PA中观测变量之间线性因果结构的限定,提出了观测变量之间关系为非线性(包括线性)时的因果模型,即广义非线性可加因果模型(GNACM),并给出了GNACM的定义、估计方法及优点.3.针对传统SEM在大数据与统计机器学习背景下的叁方面缺陷,文章提出了一个扩展的SEM方法,即ESEM.ESEM框架由叁类模型构成:(1)结构模型(隐变量之间的线性结构因果模型);(2)测量模型(隐变量与观测变量之间的线性结构因果模型);(3)观测模型(观测变量之间的线性结构因果模型).ESEM的优点在于补充了隐变量因果方向的识别、添加了观测变量因果关系估计、充分挖掘了观测变量所隐含的科学信息.最后本文通过在实验中利用多种拟合指标对ESEM模型进行检验、调试,获得拟合度较好的ESEM模型,并得到在观测数据服从高斯分布,干扰变量服从非高斯分布时该方法的普适性.(本文来源于《西安电子科技大学》期刊2019-06-01）
徐群芳,刘高生,柏杨[3]（2019）在《具有自相关误差结构的面板数据部分线性单指标模型的统计推断》一文中研究指出部分线性单指标模型是在科学研究中具有广泛应用的经典半参数模型之一.本文主要研究具有自相关误差结构的面板数据的部分线性单指标模型的统计推断问题.通过结合局部多项式和纠偏广义估计方程方法,本文提出模型参数的可行加权广义估计(feasible weighted generalized estimating equation estimation, GEE-FW),证明该估计具有相合性和渐近正态性,并且在渐近方差意义下阐明该估计比工作独立的广义估计(generalized estimating equation estimation based on working independence,GEE-WI)更加有效.此外,本文对模型中未知连接函数提出两阶段局部线性估计(two step local linear generalized estimating equation estimation, GEE-TS),建立该估计的渐近性质.数值模拟研究和实际数据分析都表明了本文所提出的方法是有效的,在理论和应用方面均具有良好的表现.(本文来源于《中国科学:数学》期刊2019年06期）
高鹏丽[4]（2019）在《线性模型中基于经验似然法的异质性结构推断》一文中研究指出在统计和经济学中,变点问题从刚开始引入到现在都是专家们关注的一大问题.原因是这一问题贴切我们的生活.有关变点位置估计问题的文章数不胜数,但是没有人用经验似然方法研究过线性模型的随机误差序列中存在变点的情形.本文运用经验似然法研究了分段线性模型中误差分布差异的检验问题和线性模型的误差序列中存在单个变点的估计问题.为了明确分段线性模型的误差之间是否存在分段差异,文章基于残差应用经验似然的思想建立了假设检验方法.在这一部分的研究中,我们首先给出分段线性模型及相应的假设检验问题.用最小二乘方法得到残差,研究了残差经验分布的渐近性质.其次,当原假设成立时,我们利用误差的经验分布构造经验似然比函数,求出其渐近分布.事实上,误差是不可观测的,我们不能得到误差的经验分布,但我们可以求出残差,进而得到残差的经验分布.所以,我们采取的措施是用残差替换误差进行研究.类似的,在原假设成立时,我们利用残差经验分布建立经验似然比检验统计量,并且求出其渐近分布.最后进行Monte Carlo模拟,证明了结论的正确性;结果表明当样本量较大时,在原假设下,基于残差构造的统计量的渐近分布具有很好的表现.对于线性模型误差序列中存在单个变点的情形,首先我们应用经验似然方法求出真实变点的估计量.其次,我们研究了变点估计量的大样本性质,当样本量趋于无穷大时,我们分别证明了变点估计量(?)和(?)的相合性,并且计算出了收敛速度.最后,我们通过Monte Carlo模拟求出变点估计量的准确率,证明我们的估计方法是可行的.(本文来源于《西北大学》期刊2019-05-01）
唐炜[5]（2018）在《基于扩展线性支出系统模型的京津冀城镇居民体育消费结构比较分析》一文中研究指出以京津冀城镇居民为研究对象,采用文献资料和问卷调查等方法,通过扩展线性支出系统模型(ELES模型)对京津冀居民消费结构进行比较,并分析影响居民消费结构差异的因素,为京津冀区域协同发展战略背景下以需求为导向的体育消费市场整体发展提供建议。研究发现:收入水平仍是影响区际内体育消费结构的最重要因素,但不同地区由于各类资源上的差异,收入的影响效果不同;京津冀城镇居民在基本体育消费上存在差异,体育服装器械仍是天津和河北的主要基本消费内容,而北京最多的基本体育消费已经变成培训健身类消费;在边际消费倾向上,天津各项体育消费高于北京,北京高于河北,展现出天津城镇居民在体育消费上的巨大潜力。京津冀城镇居民体育消费结构差异的主要原因有体育消费主体上收入和体育闲暇时间差异,体育消费客体上消费内容趋同,体育消费环境上场地设施供给不足。并以此提出促进京津冀城镇居民体育消费结构的优化建议。(本文来源于《沈阳体育学院学报》期刊2018年06期）
石诚,张同亿,冉田苒,邓峥云,黄明[6]（2018）在《隔震结构等效线性模型的反应谱法研究》一文中研究指出减震系数法作为传统的隔震结构计算方法,是将隔震结构等效为降度后的抗震结构进行反应谱分析,该方法无法真实地反映隔震结构的变形及受力状态。采用反应谱法对基于隔震层"等效刚度"和"等效阻尼"的"一体化"模型进行分析,通过叁种常用结构体系的模型算例,对比反应谱法与时程分析法的计算结果,以研究用反应谱法分析带隔震层的"一体化"模型的适用性。研究表明,在隔震层弹塑性行为较为明显时,反应谱法可能低估隔震结构上部楼层的剪力,导致结构设计的不安全。(本文来源于《建筑结构》期刊2018年17期）
肖子君,丁光辉,王中钰,王雅,陈景文[7]（2018）在《多参数线性自由能关系(pp-LFER)模型中分子结构参数的预测方法》一文中研究指出评价有机化学品的环境暴露及生态风险,需要预测有机化学品在多介质环境中的分配行为。多参数线性自由能关系(pp-LFER)用于构建有机化学品环境分配行为参数[如正辛醇/空气分配系数、土壤(沉积物)吸附系数、空气颗粒物/气相分配系数]和非反应性毒性(如麻醉毒性)的预测模型,取得了令人满意的结果~([1,6,7])。pp-LFER的表达形式为:(本文来源于《第二次全国计算毒理学学术会议暨中国毒理学会第一届计算毒理专业委员会第二次会议会议摘要》期刊2018-08-09）
陈倩[8]（2018）在《数据带可加结构测量误差条件下线性回归模型的统计分析》一文中研究指出在对带有测量误差的数据进行线性回归建模时,如果忽略测量误差而只是对直接观测到的数据进行分析,那么得到的往往是有偏甚至是不相合的估计。为此,我们必须用相应的测量误差模型来处理这类问题。测量误差模型主要有两种:第一种是具有相乘结构的一些测量误差模型,我们称之为扭曲测量误差模型;第二种是具有可加结构的一些测量误差模型。在本文中,我们主要讨论数据带可加结构测量误差条件下的线性回归模型。本文主要研究线性回归模型中自变量和响应变量均受到扭曲因子的污染而不可观测的统计分析问题,针对此问题提出基于残差的估计,使之可以解决回归模型中的参数估计与检验问题。为了检验关于参数分量的假设,提出了基于零假设和备择假设下残差平方和之差的检验统计量。我们也使用了平滑削边绝对偏差来进行变量选择。由此产生的惩罚估计量最终被证明是渐近正态的。最后,我们通过模拟仿真来验证所提出的理论结果,并将论文提出的估计方法应用于一组实际数据分析。(本文来源于《深圳大学》期刊2018-06-30）
葛振宇,任然[9]（2018）在《出口“龙头”企业对出口“追随者”企业生产率的影响——基于双层结构分层线性模型的实证分析》一文中研究指出文章在异质性企业动态模型的基础上构建了出口企业"开拓者-追随者"模式,解释出口开拓者对出口追随者影响的逻辑机制。利用工业企业数据库和海关数据库进行合并匹配,通过双层结构分层线性模型(2L-HLM)实证检验出口开拓者的溢出效应对出口跟随者企业生产绩效的影响,实证发现:出口开拓者对出口追随者生产率具有显着外部效应,出口追随者能够通过向出口开拓者的学习而提升企业的生产率,其中龙头开拓者企业对追随者生产率的促进作用显着;出口开拓者的聚集会对出口追随者产生溢出效应和挤出效应,出口开拓者数量的边际增长对出口追随者生产率的影响呈现倒"U"型的关系。(本文来源于《国际经贸探索》期刊2018年06期）
张冬雪[10]（2018）在《带异常结构的线性模型的平均估计》一文中研究指出线性回归模型是研究变量间相互依赖关系的一种统计分析方法之一,在此模型的基础上发展出了一些带异常结构的线性回归模型,例如,可能存在门限的线性回归模型和线性关系不确定时的模型。本文主要研究这两种带异常结构的线性回归模型的平均估计问题。主要研究内容包括:第一章:阐述带异常结构的线性模型的研究背景和发展现状。第二章:提出了可能存在门限的分段线性回归模型的系数的加权平均估计。最开始构建了一个近似Mallows准则,它的惩罚项用其在门限效应为零和无穷时的极限情形的均值来近似。然后,对系数在有门限和无门限时分别计算的估计量做加权平均,其权重由最小化近似的Mallows准则得到。进一步本文构建了另一种Mallows准则,它是对拟合模型做加权平均对模型进行估计得到的误差平方的估计值,并由此得到新的加权权重。研究第二个Mallows准则发现,在达到较低平方误差的意义下新的权重使得Mallows模型平均(MMA)估计量渐近最优。特别是在可能存在突变的情况下,如果真实模型有一个门限,新的权重被证明趋向于零或1。数值计算结果表明所提出的MMA估计在系数复杂变化情形下表现更好;在只可能存在一个突变的情形,确实能选到真实的模型。第叁章:研究了线性关系不确定时的模型的平均估计问题,提出了系数的预检验估计量和Mallows模型平均(MMA)估计量,并证明了MMA估计在一些条件下渐近最优,以及Mallows权重选择具有相合性。蒙特卡洛实验结果表明Mallows模型平均估计确实有效可行。(本文来源于《西北大学》期刊2018-06-01）
线性结构模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
如今,人们在科学、娱乐、商业和工业各领域收集和挖掘大量数据,并对其进行研究和应用.就像Rutherford D.Rogerd等人所讲:“这个世界淹没在了数据中,我们淹没在了信息的海洋里,却渴求着知识”.海量信息亟待整理,取其精华去其糟粕.人们渴求仅用较少参数恢复一组数据的基础信息,实现挖掘数据隐含的因果机制.近年来,人们提出了从非实验数据中发现因果结构的一些方法.这些方法对数据生成过程进行了各种假设,以便纯粹从观测数据中估计因果关系.本文以提高大数据背景下连续变量的因果推断能力作为研究目标,并且从客观地估计因果顺序、估计隐变量、构建因果模型新框架、提出非线性因果结构等四方面展开研究.本文基于观测数据的因果关系学习,为该研究领域中正确学习因果结构和估计因果效应提供了有效补充.主要内容和创新点如下:1.路径分析作为描述变量之间因果依赖关系的主要方法,被广大研究者采用.针对路径分析采用人为给定因果排序的缺陷,以及“几乎没有一种方法能研究和推断所有因果关系”的观点,本文提出了一个集成的因果路径识别方法.首先,对清洗之后的原始数据本文采用一个直接的线性非高斯无环模型(DirectLiNGAM)方法客观估计变量之间的因果顺序和初始连接强度矩阵.针对初始连接强度矩阵不便于模型解释的现象,本文采用线性模型选择方法中的Adaptive lasso削减冗余有向边,重新获得连接强度矩阵.根据消减后的连接强度矩阵,递归模型和因果路径图分别被建立和绘制.通过对因果路径图检验,找到了未通过模型拟合度检验的有向边和变量,经过改变方向、删除变量等方法,获得了拟合度高于前者的因果模型和因果路径图,并且估计了变量之间的直接、间接效应和总效应.2.在上面路径分析中因果路径识别方法的基础上,本文接着研究了隐变量存在情况下,隐变量与观测变量、观测变量与观测变量之间的因果推断问题.文章基于探索性因子分析(EFA)理论和路径分析(PA)思想,提出一个用EFA-PA建立隐变量与观测变量、观测变量与观测变量之间的线性结构因果模型框架的方法.EFA-PA方法与结构方程模型(SEM)建立线性因果模型的思想接近,但是与结构方程模型相比具有3个优点:一是基于主成分分析方法的EFA清晰地识别了隐变量并估计了隐变量的个数,易于建立测量模型(即隐变量与观测变量之间的线性结构因果模型);二是基于PA方法估计了观测变量之间的线性结构因果模型,弥补了SEM没有充分挖掘观测变量之间因果关系的空缺;叁是减少了SEM在拟合度不高时调整因果路径的盲目性.进一步,针对现实中观测变量之间的因果关系不完全都是线性模型的现象,本文释放EFA-PA中观测变量之间线性因果结构的限定,提出了观测变量之间关系为非线性(包括线性)时的因果模型,即广义非线性可加因果模型(GNACM),并给出了GNACM的定义、估计方法及优点.3.针对传统SEM在大数据与统计机器学习背景下的叁方面缺陷,文章提出了一个扩展的SEM方法,即ESEM.ESEM框架由叁类模型构成:(1)结构模型(隐变量之间的线性结构因果模型);(2)测量模型(隐变量与观测变量之间的线性结构因果模型);(3)观测模型(观测变量之间的线性结构因果模型).ESEM的优点在于补充了隐变量因果方向的识别、添加了观测变量因果关系估计、充分挖掘了观测变量所隐含的科学信息.最后本文通过在实验中利用多种拟合指标对ESEM模型进行检验、调试,获得拟合度较好的ESEM模型,并得到在观测数据服从高斯分布,干扰变量服从非高斯分布时该方法的普适性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
线性结构模型论文参考文献
[1].韩姣,夏志明.部分结构突变的线性面板模型的变点估计[J].纯粹数学与应用数学.2019
[2].费妮娜.基于观测数据的线性结构因果模型估计[D].西安电子科技大学.2019
[3].徐群芳,刘高生,柏杨.具有自相关误差结构的面板数据部分线性单指标模型的统计推断[J].中国科学:数学.2019
[4].高鹏丽.线性模型中基于经验似然法的异质性结构推断[D].西北大学.2019
[5].唐炜.基于扩展线性支出系统模型的京津冀城镇居民体育消费结构比较分析[J].沈阳体育学院学报.2018
[6].石诚,张同亿,冉田苒,邓峥云,黄明.隔震结构等效线性模型的反应谱法研究[J].建筑结构.2018
[7].肖子君,丁光辉,王中钰,王雅,陈景文.多参数线性自由能关系(pp-LFER)模型中分子结构参数的预测方法[C].第二次全国计算毒理学学术会议暨中国毒理学会第一届计算毒理专业委员会第二次会议会议摘要.2018
[8].陈倩.数据带可加结构测量误差条件下线性回归模型的统计分析[D].深圳大学.2018
[9].葛振宇,任然.出口“龙头”企业对出口“追随者”企业生产率的影响——基于双层结构分层线性模型的实证分析[J].国际经贸探索.2018
[10].张冬雪.带异常结构的线性模型的平均估计[D].西北大学.2018