不完全数据下若干分位数回归模型的统计推断研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    11901149
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    21.0万
  • 负责人：
    姚梅
  • 依托单位：
    合肥工业大学
  • 学科分类：
    A0403.贝叶斯统计与统计应用
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

Quantile regression theory has always been one of the hot topics in statistical research and incomplete data are also very common in real life. This research project intends to study statistical inference problems of some regression models under several types of incomplete data through quantile regression method and composite quantile regression method. This research project focuses on: (1) the parameter estimation and variable selection procedure of linear regression model under the incomplete data;（2）the linear parameter estimation, the nonparametric varying coefficient function estimation and variable selection procedure of semiparametric varying-coefficient partially linear model under the incomplete data；(3) the index parameter estimation, the link function estimation and variable selection procedure of single-index regression model under the incomplete data； (4) the index parameter estimation, the linear parameter estimation, the link function estimation and variable selection procedure of partial linear single index regression model under the incomplete data. This research project has both the bright application value and the theoretical value. So on the one hand, this research project is expected to enrich quantile regression theory; on the other hand, it will achieve extensive application of quantile regression theory in practical fields. In consequence, this research project is an attempt of exploration and challenge.
分位数回归理论一直是统计学研究的热点课题之一，不完全数据在实际生活中也十分常见。本项目拟在几种不完全数据类型下，利用分位数回归方法和复合分位数回归方法来研究若干类回归模型的统计推断问题。主要研究内容包括：（1）不完全数据下，线性回归模型中参数估计和变量选择问题；（2）不完全数据下，部分线性变系数回归模型中线性参数估计、非参数变系数函数的估计和变量选择问题；（3）不完全数据下，单指标回归模型中指标参数的估计、联系函数的估计和变量选择问题；（4）不完全数据下，部分线性单指标回归模型中指标参数的估计、线性参数的估计、非参数函数的估计和变量选择问题。由于本项目既有鲜明的应用价值，又有一定的理论价值，因而本项目的研究一方面可以从理论上丰富分位数回归理论，另一方面可以从实践上发展分位数回归理论的实际应用领域，从而本项目的研究是具有一定探索性和挑战性的课题。

结项摘要

在项目团队成员的共同努力与合作下，综合考虑几种不完全数据类型的结构特点，利用分位数回归方法和复合分位数回归方法，研究了线性回归模型、部分线性变系数回归模型、单指标回归模型和部分线性单指标回归模型的统计推断问题。针对线性回归模型，研究了参数估计和变量选择问题；针对部分线性变系数回归模型，研究了线性参数的估计、非参数变系数函数的估计和变量选择问题；针对单指标回归模型，研究了指标参数的估计、联系函数的估计和变量选择问题；针对部分线性单指标回归模型，研究了指标参数的估计、线性参数的估计、非参数函数的估计和变量选择问题。目前，已经在国内外SCI刊物上发表论文1篇，录用论文2篇，另外目前还有4篇论文已投稿，处于修改等待接受状态中，圆满完成了研究计划中预期的研究任务。

项目成果

期刊论文数量（3）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Robust distributed estimation and variable selection for massive datasets via rank regression
通过排序回归对海量数据集进行稳健的分布式估计和变量选择
  • DOI：
    10.1007/s10463-021-00803-5
  • 发表时间：
    2021-06
  • 期刊：
    Annals of the Institute of Statistical Mathematics
  • 影响因子：
    1
  • 作者：
    Jiaming Luan;Hongwei Wang;Kangning Wang;Benle Zhang
  • 通讯作者：
    Benle Zhang
Composite quantile regression analysis of survival data with missing cause-of-failure information and its application to breast cancer clinical trial
缺失失败原因信息的生存数据的复合分位数回归分析及其在乳腺癌临床试验中的应用
  • DOI：
    10.1016/j.csda.2023.107711
  • 发表时间：
    2023-02
  • 期刊：
    Computational Statistics and Data Analysis
  • 影响因子：
    1.8
  • 作者：
    Zou Yuye;Wu Chengxin
  • 通讯作者：
    Wu Chengxin
A new estimation in functional linear concurrent model with covariate dependent and noise contamination
具有协变量相关和噪声污染的函数线性并发模型的新估计
  • DOI：
    10.1007/s00184-023-00900-w
  • 发表时间：
    2023-02
  • 期刊：
    Metrika
  • 影响因子：
    0.7
  • 作者：
    Hui Ding;Mei Yao;Riquan Zhang
  • 通讯作者：
    Riquan Zhang

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

超声波雾化技术对磷矿浆脱硫强化的影响分析
  • DOI：
    10.12030/j.cjee.201910019
  • 发表时间：
    --
  • 期刊：
    环境工程学报
  • 影响因子：
    --
  • 作者：
    姚梅;李锐;王访;李紫珍;髙冀芸;刘晨辉;刘天成;宁平;贾丽娟
  • 通讯作者：
    贾丽娟
承压含水层顶板固结排水规律研究
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    水文地质工程地质
  • 影响因子：
    --
  • 作者：
    姚梅;曹彭强;陶月赞;刘佩贵
  • 通讯作者：
    刘佩贵

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码