Semiparametric Penalized Spline Regression
本文利用参数方法和非参数惩罚样条方法的混合技巧，提出了一种新的半参数回归估计。真实回归函数的整体形状由参数部分捕获，而其残差由非参数部分一致地估计。建立了半参数估计的渐近理论，证明了半参数估计的渐近性依赖于非参数惩罚样条估计的渐近性以及真实回归函数与参数部分之间的差异.作为渐近性的自然关联应用，讨论了参数模型选择的一些准则。数值实验表明，所提出的估计比现有的基于核的半参数估计和完全非参数估计性能更好，所提出的准则对于选择合理的参数模型也是有效的.
2012-02-16 math.ST stat.TH
Bootstrap consistency for general semiparametric $M$-estimation
考虑半参数模型中的$M$ -估计，该模型的特征在于一个欧几里德参数和一个无限维冗余参数。作为一种通用的统计推断方法，Bootstrap方法在半参数$M$ -估计中得到了广泛的应用，并且由于其简单性，它为基于渐近分布理论的推断方法提供了一种有吸引力的替代方法。本文的目的是提供理论上的理由使用自助作为半参数推理工具。我们表明，在一般条件下，自助是渐近一致的分布估计的$M$ -估计欧几里德参数，即自助分布渐近模仿分布的$M$ -估计。我们还证明了自举置信集具有渐近正确的覆盖概率。这些一般性的结论，特别是，当冗余参数是不可估计的根$n$率，并适用于广泛的一类可交换的引导权重的引导方法。本文首次对半参数模型中的自助法进行了一般性的理论研究。
2011-02-03 math.ST stat.TH
Semiparametric Statistics and the Spread Inequality
本文探讨半参数模型，指出经典参数模型假设过强，并介绍有限样本展开不等式及其局部渐近推论，与卷积定理共同刻画估计量性能界。
2023-12-22 math.ST stat.TH
Strong consistency of kernel estimator in a semiparametric regression model
与Li \cite{sir}引入的半参数回归模型相关的有效降维（EDR）空间的估计是基于给定响应的预测因子向量的条件期望的协方差阵$Λ$的估计。Zhu和Fang提出了基于核方法的$Λ$的估计量\cite{Asymptotics}，并在一定条件下得到了$\sqrt{n}\left(\widehatΛ_n-Λ\right)$的渐近分布为$n\rightarrow +\infty$ .本文在一定条件下得到了$\widehatΛ_n$到$Λ$的几乎必然收敛，即$n\rightarrow +\infty$ .
2018-11-06 math.ST stat.TH
A general semiparametric Z-estimation approach for case-cohort studies
病例-队列设计是一种用于截尾生存数据的结果依赖性抽样设计，在生物医学研究中得到越来越多的应用。目前文献中病例队列设计的渐近理论的发展主要依赖于计数过程随机积分。然而，这种方法是相当有限的，缺乏理论上的理由依赖于结果的加权方法，由于不可预测性。而不是随机积分，我们推导出渐近性质的情况下，队列研究的基础上，一般的Z-估计理论的半参数模型捆绑参数使用现代经验过程。Cox模型和具有时间依赖协变量的加性风险模型都被考虑。
2012-04-11 math.ST stat.TH
Connections between Semiparametrics and Robustness
稳健统计和半参数统计具有相同的历史起源，并且在很大程度上采用相同的局部渐近正态框架。在我们的谈话中，我们认为他以下两个领域的更内在的联系：1）稳健的影响曲线的半参数模型与无限维冗余参数，例如，半参数回归（Cox），和混合模型（奈曼-斯科特）。2)在Stein的必要条件意义上的自适应性，即关于有限维冗余参数的鲁棒邻域模型和估计量;例如，位置、线性回归和ARMA。3)作为一个无限维的冗余参数，从一个理想模型的疏失误差偏差的半参数治疗，通过球上的投影，测试，渐近版本的Huber-Strassen极大极小的结果，从而获得。4)回归和时间序列模型中稳健估计和自适应估计的一致和非一致渐近正态性。5)脆弱性的最佳单侧检验和置信限获得凸切锥，锥上的投影，相对于稳定的相应程序，甚至双侧，线性切空间。6)未知邻域半径作为鲁棒性中的一个冗余参数。调查依赖于渐近技术和稳健估计的数值评估。在1）下构造自适应的鲁棒估计，在3）下对球的适当的LAM估计界，以及在5）下对来自圆锥的切线的差的某个受限集合的范数的最小化是具有挑战性的公开问题的示例。
2013-06-23 math.ST stat.TH
On the asymptotic behavior of the Nadaraya-Watson estimator associated with the recursive SIR method
研究了半参数回归模型中回归函数的Nadaraya-Watson估计的渐近性质。一方面，我们利用递归形式的切片逆回归方法来估计模型的未知参数。另一方面，我们实现了一个递归的Nadaraya-Watson过程的估计的回归函数，考虑到以前的估计的半参数回归模型的参数。我们建立了Nadaraya-Watson估计量的几乎必然收敛和渐近正态性。我们还说明了我们的半参数估计程序模拟数据。
2012-02-24 math.ST stat.TH
Efficient estimation of Banach parameters in semiparametric models
考虑一个半参数模型，它有一个欧几里德参数和一个无穷维参数，称为Banach参数。假设：（a）存在欧几里得参数的有效估计。(b)当欧氏参数的值是已知的，存在的Banach参数的估计，这取决于这个值，是有效的在这个限制模型。将欧几里德参数的有效估计量代入Banach参数的估计量中，得到了欧几里德参数未知的半参数模型的Banach参数的有效估计量。这种遗传性质的效率完成估计半参数模型中的欧几里德参数已被有效地估计。通常情况下，估计的欧几里德和巴拿赫参数是必要的，以描述研究中的随机现象，以足够的程度。由于有效估计量是渐近线性的，因此上述替换方法是将欧几里德参数的渐近线性估计量替换为自身渐近线性且依赖于该欧几里德参数的估计量的特定情况。这种更一般的替代情况下，研究了自己的缘故，以及，并证明了渐近线性的遗传性质。
2005-04-25 math.ST stat.TH
Asymptotic theory for the semiparametric accelerated failure time model with missing data
本文考虑一类具有缺失数据的转换（或加速失效时间）模型的双加权秩估计方法，例如在病例队列研究中。所考虑的权重可能无法按照鞅随机过程公式的要求进行预测。我们把一般问题作为一个半参数估计方程问题，并利用经验过程理论证明了加权估计的渐近性质，无论是真权估计还是估计权估计.仿真结果表明，结果依赖加权方法适用于有限样本的病例队列研究，并提高了效率相比，基于可预测的权重的方法。此外，可以看出，当使用估计权重时，该方法甚至更有效，这在缺失数据文献中是常见的情况。Gehan删失数据Wilcoxon权重被发现是令人惊讶的效率在广泛的一类问题。
2009-08-21 math.ST stat.TH
Semiparametric testing of statistical functionals revisited
沿着詹森和Pfanzagl的工作的检验理论的统计泛函进一步发展的非参数单样本问题。单侧和双侧问题的有效测试非参数统计泛函。渐近幂函数是在隐式的替代和假设下计算的，这些替代和假设是由泛函本身给出的，对于单侧和双侧情况。在温和的正则性假设下，它表明，这些测试是渐近最强大的。将现代Le Cam理论与极限实验中的近似相结合，对单侧和双侧问题检验的渐近幂函数的上界有了更深入的了解。作为示例，基于冯米塞斯功能的测试在非参数上下文中处理。
2013-11-08 math.ST stat.TH
A semiparametric single-index estimator for a class of estimating equation models
我们提出了一个两步的伪极大似然半参数单指标回归模型的条件方差是一个已知的函数的回归和一个额外的参数的过程。具有乘性未观测异质性的Poisson单指标回归是此类模型的一个例子。我们的方法是基于线性指数密度与冗余参数。我们使用的伪似然准则包含指数回归的非参数估计，因此需要一个选择平滑参数的规则。我们提出了一个自动和自然的规则的基础上联合最大化的伪似然指数参数和平滑参数。我们推导出指数参数的半参数估计的渐近性质和我们的“最佳”平滑参数的渐近行为。我们的方法的有限样本性能进行了分析，使用模拟和真实数据。
2017-04-26 math.ST stat.TH
A semiparametric autorregresive spatial prediction model
Instituto de Economía Aplicada Litoral (IECAL-FCE-UNL), & CONICET（拉普拉塔应用经济研究所（IECAL-FCE-UNL）及阿根廷国家科学研究委员会）；Facultad de Ingeniería Química, (FIQ-UNL) & CONICET（国立圣达菲大学化学工程学院（FIQ-UNL）及阿根廷国家科学研究委员会）
本文提出结合线性协变量和非参数空间项的半参数空间自回归模型，实现灵活依赖建模同时保持可解释性。通过仿真和实证数据验证，预测精度优于地理统计方法，可解释性优于空间计量模型。
2026-04-28 math.ST stat.ME stat.TH
On asymptotically optimal tests under loss of identifiability in semiparametric models
我们考虑假设检验时，参数是不可识别的零下半参数模型，其中配置文件似然理论的规律性条件失败。指数平均测试的基础上集成的配置文件的可能性构造和示出的加权平均功率标准下的渐近最优相对于之前的不可识别方面的模型。这些结果扩展了现有的结果参数模型，其中涉及更多的限制性假设的替代形式比我们的结果。此外，建议的测试容纳模型与无限维冗余参数，这可能是无法识别或可能无法估计在通常的参数率。例子包括在Cox模型中用当前状态数据检验变点的存在，以及在奇数率模型中用右删失数据检验回归参数。最佳测试以前没有研究过这些情况。我们研究了在零、固定连续和随机连续情况下的检验的渐近分布。我们还提出了一个加权bootstrap程序计算的检验统计量的临界值。最佳测试在模拟研究中表现良好，在那里它们可能表现出比替代测试更好的功效。
2009-08-24 math.ST stat.TH
Asymptotic theory of semiparametric $Z$-estimators for stochastic processes with applications to ergodic diffusions and time series
本文将主要在现代经验过程背景下发展起来的$Z$ -估计理论的一部分推广到随机过程的情况，典型的是半鞅。本文给出了一个一般定理，当$Ψ_n$的补偿器是随机的时，得到了具有抽象冗余参数$h$的估计方程$θ\leadsto Ψ_n(θ,\widehat{h}_n)=0$解的渐近性态.作为其应用，我们考虑了遍历扩散过程模型中的估计问题，其中漂移系数包含一个未知的，有限维的参数$θ$和扩散系数是由冗余参数$h$从无限维空间索引。冗余参数空间的一个例子是一类光滑函数。我们建立了漂移系数的$Z$ -估计的渐近正态性和有效性。作为另一个应用，我们也提出了一个类似的结果在遍历时间序列模型。
2009-09-02 math.ST stat.TH
Semiparametrically efficient inference based on signed ranks in symmetric independent component models
我们考虑半参数位置-散布模型，其$p$ -变量观测被获得为$X=ΛZ+μ$，其中$μ$是$p$ -向量，$Λ$是满秩$p\times p$矩阵，并且（未观测的）随机$p$ -向量$Z$具有居中且相互独立但未指定的边缘。与盲源分离和独立分量分析（ICA）一样，本文中感兴趣的参数是$Λ$。在$n$ i.i.d.的$X$的副本，我们开发，在$Z$的对称性假设下，符号秩单样本检验和估计程序$Λ$。我们利用该模型的均匀局部性和渐近正态性（ULAN）来定义在正确指定的密度下半参数有效的符号秩程序。然而，通常在基于秩的推理，所提出的程序仍然有效（正确的渐近大小下的零，假设检验，和根$n$一致性，点估计）在一个非常广泛的密度范围。我们推导出所提出的方法的渐近性质，并通过模拟研究其有限样本行为。
2012-02-23 math.ST stat.TH
Neighborhoods as Nuisance Parameters? Robustness vs. Semiparametrics
在参数模型分布的鲁棒邻域内偏离中心可以自然地被认为是无限维的冗余参数。因此，可以尝试半参数方法，即计算主参数的得分函数减去其在冗余参数的闭合线性切空间上的正交投影，然后重新调整Fisher一致性。本文通过稳健统计中切球上的非线性投影，导出了这样一条半参数影响曲线。这个半参数的影响曲线，然后与最佳的鲁棒影响曲线，最大限度地减少相应的渐近线性估计在无穷小的邻域的最大加权均方误差。对于海灵格球，两者重合（与经典球重合）。在全变差模型中，半参数IC解决了特定偏置权重的鲁棒MSE问题。在污染邻域的情况下，半参数IC仅从上有界。由于截断和线性组合的互换，差异随着维数的增加而增加。虽然Hellinger球有重合性，但至少对全变差和污染邻域实现了削波，但半参数方法一般不足以解决疏失误差模型的极小极大均方误差估计问题。半参数的方法进行进一步检验污染的假设。在单侧情况下，对于由任意两个闭凸切线集定义的假设检验，通过在这些集的差集上的投影提供鞍点。因此，对于全变差和污染邻域，我们恢复鲁棒渐近测试的基础上最不利的对。因此，这两种方法在测试环境中是一致的。
2014-12-04 math.ST stat.TH
Semiparametric inference for the recurrent event process by means of a single-index model
在本文中，我们介绍了新的参数和半参数回归技术的经常性事件过程随机右删失。我们建立了累积平均函数的模型，并给出了渐近正态估计。我们的半参数模型依赖于一个单一的指数假设，可以被看作是一个降维技术，相反，一个完全的非参数的方法，是不中风的灾难时，协变量的数量是高的维数。我们讨论了数据驱动的技术来选择估计过程中涉及的参数，并提供了一个模拟研究来支持我们的理论结果。
2014-09-17 math.ST stat.TH
Consistent covariate selection and post model selection inference in semiparametric regression
本文给出了一类半参数回归模型Y_i=β^{ \prime } \underbarX_i +f（T_i）+W_i，i=1，.，n.参数和非参数分量的估计，同时通过这个程序。估计是基于有限维模型的集合，使用惩罚最小二乘标准进行选择。我们表明，通过定制的惩罚项开发的非参数回归半参数模型，我们可以一致地估计的线性部分的非零系数的子集。此外，线性分量的所选估计量是渐近正态的。
2004-06-23 math.ST stat.TH
Weighted Likelihood for Semiparametric Models and Two-phase Stratified Samples, with Application to Cox Regression
加权似然，其中一个解决霍维茨-汤普森或逆概率加权（IPW）版本的似然方程，提供了一个简单的和强大的方法拟合模型的两相分层样本。我们考虑半参数模型的无限维估计方程的解决方案导致$\sqrt{N}$一致和渐近高斯估计的欧几里德和非参数。如果经由Bernoulli（i.i.d.）在已知抽样概率的情况下，标准估计方程理论表明，欧几里德参数的加权似然估计的影响函数是普通影响函数的IPW形式。通过证明IPW经验过程的弱收敛性，并借用加权Bootstrap经验过程的结果，得到了有限总体分层抽样的并行渐近展开. Bernoulli抽样的渐近方差包含影响函数的层内二阶矩，而有限总体分层抽样的渐近方差仅包含层内方差。当观测到的抽样比被用作先验已知的估计值时，也会出现后一种渐近方差。本文提出了一种用估计权值拟合半参数模型的一般方法。我们的几个关键结果已经得到了特殊情况下的Cox回归分层病例队列研究，其他复杂的调查设计和缺失数据问题更普遍。本文的目的是帮助把以前的工作在适当的背景下，并铺平道路，应用到其他模型。
2005-11-15 math.ST stat.TH
On IPW-based estimation of conditional average treatment effect
本文的研究系统地研究了条件平均治疗效应的四种基于逆概率加权（IPW）的估计量的渐进行为，分别具有非参数、半参数、参数估计和真实倾向评分。为此，我们首先特别关注半参数降维结构，这样我们就可以很好地研究基于半参数的估计，可以很好地缓解维数灾难，大大避免模型误设。我们还得到了一些进一步的性质，现有的估计与非参数估计的倾向得分。根据它们的渐近方差函数，研究揭示了它们的渐近有效性的一般排名;在哪些情况下渐近等价性可以保持;给定协变量的从属关系在倾向分数的参数集，带宽和核选择中的关键作用。结果表明，从IPW为基础的（无条件）的平均治疗效果（ATE）的本质区别。数值研究表明，对于高维样本，半参数估计一般表现较好，而非参数估计，甚至有时参数估计，更容易受到维数的影响.一些数值研究进行了检查他们的性能。最后给出了一个实际数据实例进行了分析。
2020-09-23 math.ST stat.TH
Sparse semiparametric regression when predictors are mixture of functional and high-dimensional variables
针对函数型与高维变量混合的回归降维问题，提出结合稀疏线性思想与半参数方法的灵活模型，推导相关渐近结果，并通过模拟实验和Tecator数据集应用验证方法有效性。
2024-01-26 math.ST stat.ME stat.TH
Semiparametric adaptive estimation under informative sampling
针对信息性抽样中的选择偏倚与 Horvitz-Thompson 估计量效率不足问题，本文将调查权重视为随机变量推导半参数效率界，并提出在工作模型下一致、渐近正态且最优有效的估计量，通过模拟和加拿大调查数据验证其性能。
2024-04-04 math.ST stat.ME stat.TH
Semiparametric inference on Gini indices of two semicontinuous populations under density ratio models
基尼系数是一种流行的不平等衡量标准，在社会和经济研究中有许多应用。本文研究了两个连续总体基尼指数的半参数推断。我们的特点是每个连续人口的分布由一个离散的点质量在零和一个连续的偏正分量的混合物。半参数密度比模型，然后连接两个分布的正分量。我们提出了两个基尼指数的最大经验似然估计及其差，并进一步研究了所提出的估计的渐近性质。渐近结果使我们能够构建置信区间，并进行假设检验的两个基尼指数和他们的差异。我们表明，建议的估计是更有效的比现有的完全非参数估计。所提出的估计和渐近结果也适用于没有过多零值的情况。仿真研究表明，我们提出的方法优于现有的方法。两个真实数据的应用程序，提出了使用所提出的方法。
2021-06-04 math.ST stat.ME stat.TH
Semiparametric theory and empirical processes in causal inference
在本文中，我们回顾了重要方面的半参数理论和经验过程中出现的因果推理问题。我们首先简要介绍因果推断的一般问题，然后讨论半参数模型下因果效应的估计和推断，半参数模型允许数据生成过程的部分不受限制，如果它们不是特别感兴趣的（即，滋扰功能）。这些模型在因果问题中非常有用，因为结果过程通常很复杂，很难建模，并且可能只有关于治疗过程的信息（充其量）。半参数理论提供了一个框架，基准效率和建设估计在这样的设置。在本文的第二部分，我们讨论了经验过程理论，它提供了强大的工具，了解半参数估计的渐近行为，依赖于灵活的非参数估计的滋扰功能。这些工具对于将机器学习和其他现代方法纳入因果推理分析至关重要。最后，我们检查相关的扩展和未来的工作方向半参数因果推理。
2016-07-22 math.ST stat.TH
Parameter stability and semiparametric inference in time-varying ARCH models
在本文中，我们开发了一个完整的方法来检测时变/非时变参数的扰动过程。为了这个目的，我们估计和测试各种半参数版本的时变的非平稳模型（tv-tv），其中包括两个著名的非平稳型模型在计量经济学文献中介绍。使用核估计，我们表明，非时变参数可以估计在通常的参数收敛速率和高斯噪声，我们构造的估计是渐近有效的半参数意义上。然后，我们介绍了两种统计检验，可用于检测非时变参数或测试二阶动态。还提供了用于选择滞后数目的信息准则。我们用几个真实的数据集来说明我们的方法。
2016-11-03 math.ST stat.TH
Semiparametrics via parametrics and contiguity
本文提出通过构造近似参数模型并利用相互邻接性，将半参数推断问题转回参数框架，从而严格证明极限估计量的渐近正态性与有效性，并以部分线性模型和Cox模型为例，给出Cox部分似然估计量有效性的新证明。
2025-09-22 econ.EM math.ST stat.ME
Bayes Variable Selection in Semiparametric Linear Models
有丰富的文献提出的方法，并建立参数模型的贝叶斯变量选择方法的渐近性质，特别关注的是正态线性回归模型，并越来越强调设置中的候选预测（$p$）的数量与样本量（$n$）发散。我们的重点是推广的方法和渐近理论建立的混合物的$g$先验半参数线性回归模型具有未知的剩余密度。使用Dirichlet过程的位置混合的剩余密度，我们提出了一个半参数$g$先验，它采用了一个未知的矩阵的集群分配指标。对于这类先验，后验计算可以通过一个简单的随机搜索变量选择算法进行。此外，贝叶斯因子和变量选择的一致性，结果在各种情况下，包括适当和不适当的先验$g$和$p>n$，与模型进行比较，限制有模型尺寸发散的速度小于$n$。
2011-08-12 math.PR math.ST stat.TH
The Bernstein-von Mises theorem and efficiency for semiparametric inference in multivariate Hawkes processes
University Paris Dauphine - PSL（巴黎第九大学-PSL大学）
本文研究了线性多变量海克斯过程的半参数推断，通过建立卷积定理和半参数伯恩斯坦-冯·米塞定理，证明了在贝叶斯设置下非参数随机级数先验的最优行为。
2026-10-30 math.ST stat.TH
Efficient estimation of a semiparametric partially linear varying coefficient model
本文提出了半参数部分线性变系数模型参数估计的一般级数方法。我们建立了模型有限维参数估计的相合性和\sqrtn -正态性。我们进一步表明，当误差是条件homoskedastic，这个估计是半参数有效的意义上说，逆的渐近方差的估计的有限维参数达到半参数效率界。一个小规模的模拟报告，以检查有限样本的估计性能，并提出了一个经验的应用程序来说明所提出的方法在实践中的有用性。我们还讨论了如何获得一个有效的估计结果时，误差是条件异方差。
2005-04-25 math.ST stat.TH
Statistical inference for semiparametric varying-coefficient partially linear models with error-prone linear covariates
研究了当某些线性协变量不可观测，但辅助变量可用时的半参数变系数部分线性模型。在对易出错的协变量进行校正后，提出了参数和非参数分量的半参数轮廓最小二乘估计方法。建立了估计量的渐近性质。我们还提出了基于剖面最小二乘的比率检验和Wald检验来识别显著的参数和非参数成分。为了提高小样本或中等样本量的建议测试的准确性，野生自助版本也提出了计算的临界值。密集的仿真实验进行说明所提出的方法。
2009-03-03 math.ST stat.TH
Adaptive semiparametric wavelet estimator and goodness-of-fit test for long memory linear processes
本文首先研究了一般半参数框架下线性过程长记忆参数的自适应小波估计。这是Bardet { \it et al.}（2008），只涉及高斯过程。此外，修改了长记忆参数估计的定义，改进了高斯情形下的渐近结果。最后还建立了一种易于使用的自适应拟合优度检验：卡方检验。仿真证实了自适应估计和测试的一致性和鲁棒性的有趣的属性。
2010-12-03 math.ST stat.TH
A sieve M-theorem for bundled parameters in semiparametric models, with application to the efficient estimation in a linear model for censored data
在许多由两种类型的参数（感兴趣的欧几里得参数和无限维冗余参数）参数化的半参数模型中，这两个参数被捆绑在一起，即冗余参数是一个未知函数，它包含感兴趣的参数作为其参数的一部分。例如，在删失生存数据的线性回归模型中，未指定的误差分布函数涉及回归系数。基于对回归参数的有效估计方法的启发，本文提出了捆绑参数的一般筛分M定理，并应用该定理导出了删失生存数据线性回归模型筛分极大似然估计的渐近理论。所提出的估计方法的数值实现可以通过传统的基于梯度的搜索算法，如牛顿-拉夫逊算法。我们证明了所提出的估计是一致的，渐近正态的，并达到半参数有效界。仿真研究表明，所提出的方法在实际环境中表现良好，并产生更多的有效估计比现有的估计方程为基础的方法。文中还提供了一个实际数据的例子。
2012-03-12 math.ST stat.TH
Estimation in a semiparametric modulated renewal process
考虑有限状态调制更新过程截尾观测iid序列回归模型的参数估计问题。该模型假设与Cox回归相似的形式，除了基线强度是过程的向后复发时间和不定常协变量的函数。因此，它不属于乘法强度模型的类别。我们使用核估计来构造回归系数和基线累积风险的估计。给出了估计的相合性和渐近正态性的条件。来自骨髓移植研究的数据用于说明结果。
2005-11-21 math.ST stat.TH
Semiparametric inference on general functionals of two semicontinuous populations
本文提出了对两个连续总体的线性泛函及其函数进行推断的新的半参数方法。每个总体的分布通常是由一个离散的零点质量和一个连续的偏正分量的混合物来表征的，因此这种分布在本质上是不连续的。为了利用来自两个群体的信息，我们通过半参数密度比模型对两个混合分布的正分量进行建模。在此模型下，我们构造了线性泛函及其函数的极大经验似然估计，并证明了估计的渐近正态性。我们证明了线性泛函的估计比完全非参数估计更有效。渐近结果使我们能够构造置信区域和进行假设检验的线性泛函及其功能。我们进一步将这些结果应用到几个重要的总结量，如矩，平均比，变异系数，和广义熵类不等式措施。仿真研究表明，我们提出的半参数方法的优势，一些现有的方法。两个实际数据的例子是为了说明。
2020-12-18 math.ST stat.ME stat.TH
How Many Iterations are Sufficient for Semiparametric Estimation?
获得半参数有效估计的常见做法是通过迭代地最大化（惩罚）对数似然w.r.t.其欧氏参数和函数冗余参数。本文的目的是提供一个公式，在计算的最小数量的迭代$k^\ast$需要产生一个有效的估计$\hatθ_n^{(k^\ast)}$从理论的角度来看。我们发现（a）$k^\ast$依赖于初始估计和干扰估计的收敛速度;（b）多于$k^\ast$迭代，即，$k$，只会提高$\hatθ_n^{(k)}$的高阶渐近效率;（c）$k^\ast$迭代也足以恢复高维数据中的估计稀疏性。特别是当冗余参数在根n速率下不可估计时，这些一般结论成立，并且适用于在各种正则化下估计的半参数模型，例如，核估计或惩罚估计。本文提供了第一个一般的理论理由，在文献中观察到的“一步/两步迭代”的现象，并可能是有用的，在减少自举计算成本的半参数模型。
2010-09-22 math.ST stat.TH
Semiparametric stationarity tests based on adaptive multidimensional increment ratio statistics
本文证明了Bardet和Dola（2012）中定义的长程记忆参数的自适应多维增量比估计对于一类半参数的具有记忆参数的高斯分数积分过程$d \in (-0.5,1.25)$满足中心极限定理（CLT）.由于该CLT的渐近方差可以计算，因此构造了区分假设$d<0.5$和$d \geq 0.5$的平稳性或非平稳性检验。这些检验也是单位根的相合检验。在短记忆、长记忆和非平稳过程的大型基准上进行的仿真表明了该测试相对于其他常见的平稳性或非平稳性测试（LMC、V/S、ADF和PP测试）的准确性。最后，将估计和检验应用于著名经济数据的对数收益率及其绝对值幂律。
2012-12-15 math.ST stat.TH
Semiparametric model averaging for high dimensional conditional quantile prediction
在这篇文章中，我们提出了一个惩罚的高维半参数模型平均分位数预测方法，是强大的预测响应的条件分位数。我们考虑一个两步估计过程。在第一步中，我们使用局部线性回归方法来估计个体的边缘分位数函数，并通过一维边缘分位数回归函数的仿射组合来近似响应的条件分位数。第二步，基于边缘分位数回归函数的非参数核估计，我们利用惩罚方法来估计近似所涉及的合适的模型权向量。第二步的目标是选择重要的变量，其边际分位数函数对估计联合多元条件分位数函数有重要贡献。在较弱的条件下，我们建立了稳健估计的渐近性质。最后，仿真和实际数据分析已被用来说明所提出的方法。
2018-09-05 math.ST stat.TH
Higher order semiparametric frequentist inference with the profile sampler
本文考虑了基于后验分布抽样的半参数模型参数分量的高阶频率论推断。Lee，Kosorok和Fine在[J. American Statistist. Assoc.100（2005）960- 969]扩展到无限维冗余参数达到参数速率的设置中的二阶有效性。具体来说，我们得到高阶估计的最大轮廓似然估计和有效的Fisher信息。此外，我们证明了一个精确的频率论置信区间的参数成分在水平$α$可以估计的$α$ -水平的可信集从轮廓采样器的顺序误差$O_P(n^{-1})$。仿真研究被用来评估二阶渐近有效性的轮廓采样器。据我们所知，这些是第一次高阶精度的结果半参数频率论推断。
2008-08-19 math.ST stat.TH
Estimation of a semiparametric transformation model
本文提出了半参数模型中变换参数的相合估计。问题是找到最佳的转换到一个预定的回归结构，如加法或乘法分离模型的空间。我们给结果的估计的变换时，其余的模型估计非或半参数，并满足一些一致性条件。我们提出了两种方法估计的转换参数：最大化的配置文件似然函数或最小化的均方距离独立。首先讨论了这类模型的识别问题。然后，我们国家的一般类非参数估计的渐近结果。最后，我们给出了变换可分模型的非参数估计的一些特殊例子。在几个模拟的小样本性能进行了研究。
2008-04-04 math.ST stat.TH
Semiparametric stationarity and fractional unit roots tests based on data-driven multidimensional increment ratio statistics
本文证明了Bardet和Dola（2012）建立的记忆参数d的多维增量比（MIR）估计所满足的中心极限定理（CLT）可以推广到具有记忆参数$\in$（-0.5，1.25）的半参数类高斯分数积分过程.由于该CLT的渐近方差可以通过针对平稳性和非平稳性两种情况的数据驱动MIR检验来估计，因此构建了区分假设d \textless{} 0.5和d $\ge$ 0.5的两个检验，以及区分情况d = 1和情况d \textless{} 1的分数单位根检验。对多种短记忆、长记忆和非平稳过程的仿真结果表明，与常用的半参数估计相比，该估计具有较高的精度和稳健性。他们还证明了合理的效率MIR测试相比，其他常见的平稳性测试或分数单位根测试。保留字：高斯分数积分过程;记忆参数的半参数估计;长记忆检验;平稳性检验;分数单位根检验。
2016-01-21 math.ST stat.TH
Semiparametric Causal Inference for Right-Censored Outcomes with Many Weak Invalid Instruments
针对生物样本库孟德尔随机化中右删失结局、多弱无效工具下经典方法失效的问题，提出半参数因果推断框架与GEL-NOW方法，推导含删失不确定性的渐近性质，经模拟和UK Biobank数据验证具稳健性与实用性。
2025-10-03 math.ST stat.ME stat.TH
Semiparametric Efficiency of Residual Correlation Testing under Gaussian Additive Noise Models
University of Kentucky（肯塔基大学）；Pennsylvania State University（宾夕法尼亚州立大学）
本文在高斯加性噪声模型下，证明了残差皮尔逊相关系数估计量是半参数有效的，并建立了条件独立性检验的渐近性质与推断方法。
2026-08-21 math.ST stat.ME stat.TH
Semiparametric Inference for Half-Trek Estimators in Linear Structural Equation Models
Technical University of Munich（慕尼黑工业大学）；École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Munich Center for Machine Learning（慕尼黑机器学习中心）
针对线性结构方程模型中的半循迹估计量，推导其半参数影响函数，证明渐近正态性并给出闭式方差，实现置信区间和假设检验。
2026-08-13 math.ST stat.ME stat.TH
Semiparametric empirical likelihood inference with estimating equations under density ratio models
密度比模型（DRM）为组合来自多信源的信息提供了一个灵活而有用的平台。在本文中，我们考虑的统计推断下的两个样本DRM的额外的参数定义通过和/或额外的辅助信息表示为估计方程。研究了DRMs中未知参数的最大经验似然估计（MELE）的渐近性质，并建立了经验似然比（ELR）统计量的卡方极限分布.我们表明，渐近方差的MELE的未知参数不减少，如果一个估计方程下降。获得类似的性质的推断的累积分布函数和分位数的每个涉及的人口。我们还提出了一个ELR测试的有效性和有用性的辅助信息。仿真研究表明，正确指定的估计方程的辅助信息的结果更有效的估计和更短的置信区间。两个真实数据的例子被用来说明。
2021-02-25 math.ST stat.ME stat.TH
Semiparametric Efficient Inference under Non-Informative Complex Survey Designs
Iowa State University（爱荷华州立大学）
本文针对复杂调查设计下的半参数有效推断，提出统一理论框架，证明效率仅依赖极限包含概率，并给出交叉拟合估计量达到效率界限的条件，且通过模拟和实际数据验证。
2026-09-16 math.ST stat.ME stat.TH
On the parametric and semiparametric Fisher information matrix for non-zero mean stationary spherical invariant random processes
Samovar laboratory, Telecom SudParis, Institut Polytechnique de Paris（萨莫瓦尔实验室，电信巴黎理工学院，巴黎理工学院）；Taif University, College of Engineering, Dept. of Electrical Engineering（塔伊夫大学，工程学院，电气工程系）
本文将Whittle公式推广至非零均值平稳复合高斯过程，在统一框架下推导出参数与半参数Fisher信息矩阵的闭式谱域表达式，支持重尾信号处理性能分析。
2026-09-18 eess.SP math.ST stat.TH
Model Averaging based Semiparametric Modelling for Conditional Quantile Prediction
在实际数据分析中，底层模型往往是未知的，建模策略对数据分析的成功起着关键作用。受模型平均化思想的启发，我们提出了一种新的半参数建模策略，用于条件分位数预测，而无需假设底层模型是任何特定的参数或半参数模型.由于交叉验证法选择的权值具有最优性，因此该建模策略的预测结果比常用的变系数模型和加性模型等半参数模型的预测结果更准确。渐近性质建立的建模策略连同其估计过程。进行了深入的模拟研究，以证明如何以及所提出的方法的作品，在各种情况下，与其替代品相比。结果表明，所提出的方法确实导致更准确的预测比它的替代品。最后，将所提出的建模策略及其预测方法应用于波士顿的住房数据，得到了比常用的替代方法更准确的住房价格分位数预测，从而为我们提供了一个更准确的波士顿住房市场的图景。
2022-03-18 math.ST stat.ME stat.TH
Robust semiparametric inference for polytomous logistic regression with complex survey design
分析复杂调查方案（如分层或整群抽样）的多分类响应在一些社会经济学应用中非常重要。本文给出了多分类逻辑斯谛回归模型的一类最小拟加权密度幂离估计。这个家庭的半参数估计是一个强大的推广的最大拟加权似然估计，利用流行的密度功率发散措施的优势。相应地，还导出了设计效应的鲁棒估计。利用新的估计量对回归系数进行了一般线性假设的稳健检验。理论上研究了它们的渐近分布和鲁棒性，并通过数值算例和广泛的蒙特卡罗研究进行了经验验证。
2019-04-03 math.ST stat.AP stat.ME
A Robbins-Monro procedure for estimation in semiparametric regression models
本文讨论半参数回归模型中位移的参数估计和回归函数的非参数估计。我们实现了一个非常有效和易于处理的Robbins-Monro过程。一方面，我们提出了一个类似于Robbins-Monro的随机算法，以估计移位参数。对回归函数的初步评估对于估计偏移参数是不必要的。另一方面，我们利用递归Nadaraya-Watson估计的回归函数的估计。该核估计器考虑了移位参数的先前估计。我们建立了Robbins-Monro和Nadaraya-Watson估计量的几乎必然收敛。我们的估计的渐近正态性也被提供。最后，我们说明了我们的半参数估计过程模拟和真实数据。
2012-06-04 math.PR math.ST stat.TH
Theory of Weak Identification in Semiparametric Models
给出了半参数模型中弱识别的一般形式和有效性概念。弱识别发生在参数弱正则时，即，当它是零度局部齐次的时候。当这种情况发生时，一致或等变估计被证明是不可能的。然后，我们证明了存在一个基本的正则参数，充分刻画了弱正则参数。虽然这个参数不是唯一的，但充分性和最小性的概念有助于确定一个理想的参数。如果最小充分基础参数的估计是无效的，那么它会在相应的弱正则参数估计中引入噪声，因此我们可以通过局部渐近Rao-Blackwellization来改进估计。我们称一个估计量为弱有效的，如果它不承认这样的改进。在线性IV和非线性回归模型中提出了新的弱有效估计。线性IV模型的模拟演示了如何2SLS和最优IV估计的改进。
2020-08-03 econ.EM math.ST stat.TH
Semiparametric Inference of the Youden Index and the Optimal Cutoff Point under Density Ratio Models
Youden指数是受试者工作特征曲线的常用汇总统计量。它给出了区分患病和健康个体的生物标志物的最佳截止点。在本文中，我们建议通过半参数密度比模型来模拟健康群体和患病群体中个体的生物标志物的分布。在此模型的基础上，我们使用最大经验似然法来估计约登指数和最佳截断点。我们进一步建立了估计量的渐近正态性，并构造了Youden指数和相应的最优截断点的有效置信区间。所提出的方法自动涵盖两种情况下，当没有检测下限（LLOD），当有一个固定的和有限的LLOD的生物标志物。大量的仿真研究和实际数据的例子来说明所提出的方法的有效性和现有的方法相比，它的优点。
2020-05-09 math.ST stat.ME stat.TH
