测量误差数据下部分线性模型有约束统计推断理论

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    11501072
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    18.0万
  • 负责人：
    邬吉波
  • 依托单位：
    重庆文理学院
  • 学科分类：
    A0403.贝叶斯统计与统计应用
  • 结题年份：
    2018
  • 批准年份：
    2015
  • 项目状态：
    已结题
  • 起止时间：
    2016-01-01 至2018-12-31

项目摘要

Partially linear model is widely used in Econometrics. Since in practice, partially linear model is always exists some restrictions and measurement error, which study the restricted partially linear model with measurement error is practical significance. This project we mainly discuss the parameter estimation and variable selection of the restricted partially linear model with measurement error. Use the jackknifed, inverse probability weighting method et al. to study the parameter estimation and variable selection and study the large sample properties. And through a simulation study and empirical analysis to study the finite sample properties of the method. The subject of this research hope to further improve statistical methods and theory of partially linear models, and to break through in theory and application.
部分线性模型在计量经济学中有着广泛的应用。由于实际应用中模型经常存在测量误差和一些约束条件，因此研究具有测量误差的约束部分线性模型更具实际意义。本课题主要研究带测量误差的约束部分线性模型的参数估计和变量选择理论与方法。拟采用刀切、逆概率加权等方法研究模型的参数估计和变量选择问题，考察所提出估计的大样本性质。此外，通过模拟研究和实证分析所提出方法的有限样本性质。本课题的研究期望进一步完善部分线性模型的统计方法和理论，并在理论和应用上有所突破。

结项摘要

本项目主要研究了带测量误差的部分线性模型在约束条件下的有偏估计及变量选择。首先针对部分线性模型中存在的复共线性问题，利用刀切法、差分法等方法，提出了几种新的有偏估计来克服复共线性问题，同时研究了有偏估计的有限样本性质和大样本性质。其次，当约束条件是否成立不确定时，研究参数基于Wald、LR 和LM 检验等大样本检验的预检验估计，并重点讨论其偏差和均方误差的比较。此外，针对关于部分线性模型的变量选择问题，利用Cholesky分解构造了稳健的变量选择方法。

项目成果

期刊论文数量（17）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
ON A RESTRICTED ESTIMATOR IN ANERRORS-IN-VARIABLE MODEL
关于变量错误模型中的限制估计器
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    Advances and Applications in Statistics
  • 影响因子：
    0.2
  • 作者：
    谭宁会;Wu Jibo
  • 通讯作者：
    Wu Jibo
半参数可加模型参数的Bayes估计
  • DOI：
    10.13718/j.cnki.xsxb.2017.07.001
  • 发表时间：
    2017
  • 期刊：
    西南师范大学学报(自然科学版)
  • 影响因子：
    --
  • 作者：
    邬吉波
  • 通讯作者：
    邬吉波
The small sample properties of the restricted principal component regression estimator in linear regression model
线性回归模型中限制主成分回归估计器的小样本性质
  • DOI：
    10.1080/03610926.2015.1024867
  • 发表时间：
    2017-02
  • 期刊：
    COMMUNICATIONS IN STATISTICS-THEORY AND METHODS
  • 影响因子：
    0.8
  • 作者：
    Wu Jibo
  • 通讯作者：
    Wu Jibo
LIU ESTIMATOR IN PARTIALLY LINEAR ERRORS-IN-VARIABLES MODEL
部分线性变量误差模型中的 LIU 估计器
  • DOI：
    --
  • 发表时间：
    2016-12
  • 期刊：
    JP Journal of Biostatistics
  • 影响因子：
    0.1
  • 作者：
    Wu Jibo
  • 通讯作者：
    Wu Jibo
More on the restricted Liu estimator in the logistic regression model
有关逻辑回归模型中受限 Liu 估计量的更多信息
  • DOI：
    10.1080/03610918.2015.1100735
  • 发表时间：
    2017
  • 期刊：
    COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION
  • 影响因子：
    0.9
  • 作者：
    Wu Jibo;Asar Yasin
  • 通讯作者：
    Asar Yasin

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

回归系数的加权混合估计与最小二乘估计的相对效率
  • DOI：
    --
  • 发表时间：
    2015
  • 期刊：
    应用概率统计
  • 影响因子：
    --
  • 作者：
    邬吉波;杨虎
  • 通讯作者：
    杨虎
Matrix spectral norm Wielandt inequalities with statistical applications
矩阵谱范数维兰德不等式及其统计应用
  • DOI：
    10.1186/1029-242x-2014-110
  • 发表时间：
    2014-03
  • 期刊：
    Journal of Inequalities and Applications
  • 影响因子：
    1.6
  • 作者：
    邬吉波;易文德
  • 通讯作者：
    易文德
The relative efficiency of Liu-type estimator in a partially linear model
部分线性模型中刘型估计器的相对效率
  • DOI：
    10.1016/j.amc.2014.05.103
  • 发表时间：
    2014-09
  • 期刊：
    Applied Mathematics and Computation
  • 影响因子：
    4
  • 作者：
    邬吉波
  • 通讯作者：
    邬吉波
均方误差意义下Liu型主成分估计的优良性
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    Journal of Applied Mathematics
  • 影响因子：
    --
  • 作者：
    邬吉波
  • 通讯作者：
    邬吉波
Some properties of relative efficiency of estimators in a two linear regression equations system with identical parameter vectors
具有相同参数向量的两个线性回归方程组中估计器相对效率的一些性质
  • DOI：
    10.1186/1029-242x-2014-279
  • 发表时间：
    2014-08
  • 期刊：
    Journal of Inequalities and Applications
  • 影响因子：
    1.6
  • 作者：
    邬吉波
  • 通讯作者：
    邬吉波

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

邬吉波的其他基金

测量误差数据下约束线性模型的有偏估计及变量选择研究
  • 批准号：
    11426054
  • 批准年份：
    2014
  • 资助金额：
    3.0 万元
  • 项目类别：
    数学天元基金项目

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