李体政
- 作品数：9 被引量：16H指数：2
- 供职机构：西安建筑科技大学理学院更多>>
- 发文基金：陕西省教育厅科研计划项目青年科技基金国家自然科学基金更多>>
- 相关领域：理学更多>>
- 部分线性空间自回归模型的惩罚最小二乘方法
- 2024年
- 部分线性空间自回归模型因具有参数空间自回归模型的解释能力和非参数空间自回归模型的灵活性而成为一类备受关注的半参数空间自回归模型。主要研究部分线性空间自回归模型的变量选择问题,基于轮廓拟最大似然方法和一类非凸罚函数,提出了一类惩罚最小二乘方法同时选择该模型的参数部分中重要解释变量和估计相应的非零回归系数。在适当的正则条件下,推导了回归系数的惩罚估计的收敛速度,并证明了所提出的变量选择方法具有Oracle性质。模拟研究和实际数据分析均表明所提出的变量选择方法具有满意的有限样本性质。
- 程瑶瑶李体政
- 无限格与其非标准扩张
- 2012年
- 在非标准κ-饱和模型下,研究了无限格L的非标准扩张*L的性质及其在L-集滤子理论中的应用。首先,定义了κ-完备格的概念,讨论了完备格与κ-完备格之间的关系,证明了无限格L的非标准扩张*L是κ-完备格。其次,定义了L-集滤子的单子,利用κ-完备格证明了此定义是合理的。最后,利用L-集滤子的单子给出了L-集滤子族上确界存在的充分且必要条件。
- 马春晖史艳维李生刚李体政
- 关键词：单子上确界
- Burr XII分布参数的经验Bayes估计的渐近最优性被引量：5
- 2013年
- 本文研究了Burr XII分布参数的经验Bayes估计问题.利用密度函数的递归核估计,构造了参数的经验Bayes(EB)估计,在适当的条件下证明了所提出的EB估计是渐近最优的,并获得了它的收敛速度.
- 彭家龙杜伟娟袁莹李体政
- 关键词：BURR递归核估计经验BAYES估计渐近最优性收敛速度
- 固定设计下部分线性模型中小波估计的相合性
- 2009年
- 在固定设计下研究部分线性模型中回归参数β和回归函数g(t)的估计问题.利用小波光滑方法和最小二乘方法构造β和g(t)的小波估计,在适当的条件下,证明它们均具有强相合性和p p≥2阶平均相合性.
- 李体政范建华
- 关键词：部分线性模型小波估计强相合性平均相合性
- 变系数空间自回归模型的Bootstrap检验被引量：1
- 2021年
- 变系数空间自回归模型是变系数模型在空间数据分析方面的推广,因其众多的应用背景而得到广泛的重视和研究,确认模型中系数是否真正随变量的变化而变化是应用变系数空间自回归模型需解决的首要问题.本文基于Bootstrap检验方法研究了变系数空间自回归模型中的常系数项的辨别问题,为建立半变系数空间自回归模型提供依据.最后,通过模拟试验验证Bootstrap检验方法在有限样本容量下的有效性.数值模拟分别考察了误差项服从不同分布、空间滞后相关系数变化以及解释变量共线性程度不同时,Bootstrap方法逼近其零分布的准确性以及检验的功效.模拟结果表明本文所提出的Bootstrap方法能精确地逼近检验统计量的零分布且检验具有满意的功效.
- 杜颖李体政
- 关键词：常系数
- 前向神经网络:一个新的非参数回归方法被引量：2
- 2009年
- 从统计建模的观点,前向神经网络可以看作是一个新的非参数回归方法.通过模拟例子和实际例子对前向神经网络和局部多项式光滑方法的有限样本行为进行了对比,结果表明前向神经网络稍微优于局部多项式光滑方法.此外,对前向神经网络的优点和存在的问题进行了深入讨论.
- 李体政曹艳平李阳
- 关键词：前向神经网络非参数回归模型
- 部分线性变系数空间自回归模型的惩罚轮廓拟最大似然方法
- 2024年
- 主要研究了部分线性变系数空间自回归模型的变量选择问题。结合拟最大似然方法、局部线性光滑方法以及一类非凸罚函数,提出了一个变量选择方法用于同时选择该模型的参数部分中重要解释变量和估计相应的非零参数。大量模拟研究表明,所提出的变量选择方法具有满意的有限样本性质,并且关于空间权矩阵的稀疏度、空间相关强度、系数函数的复杂度以及误差分布的非正态性非常稳健。特别地,当样本容量较大且罚函数选择合适时,即使解释变量的相关性较强或者模型中含有较多不重要解释变量,所提出的变量选择方法仍然具有比较满意的有限样本性质。通过分析波士顿房屋价格数据考察了所提出的变量选择方法的实际应用效果。
- 李体政方可
- Lindley分布参数的经验Bayes检验的收敛速度被引量：8
- 2012年
- 文章讨论了独立同分布样本情形下Lindley分布参数的经验Bayes(EB)单侧检验问题。利用密度函数的递归核估计构造了参数的EB检验函数,在适当条件下证明了所提出的EB检验函数的渐近最优性,并获得了其收敛速度。
- 杜伟娟彭家龙李体政
- 关键词：递归核估计经验BAYES检验渐近最优性收敛速度
- 随机删失下半参数回归模型中估计的渐近性质
- 2008年
- 考虑半参数回归模型Yi=xiβ+g(ti)+iσiε,i=1,2,…,n,其中2iσ=f(ui).当Yi因受某种随机干扰而被随机右删失时,就删失分布未知的情形,利用所获得的删失数据定义了β与g(t)的估计^βn和^gn(t),在适当的条件下,证明了^nβ的渐近正态性,同时得到了^gn(t)的最优收敛速度.
- 李体政陈清江刘勇
- 关键词：随机删失半参数回归模型渐近正态性最优收敛速度
