A presmoothing approach for estimation in semiparametric mixture cure models
处理生存分析数据时的一个挑战是解释治愈分数，这意味着一些受试者将永远不会经历感兴趣的事件。混合治愈模型经常用于估计易感受试者的治愈概率和至事件发生时间，通常假设发生率为参数（logistic）形式。我们提出了一个新的估计过程的参数治愈率依赖于一个初步的平滑估计，是独立的模型假设的延迟。我们调查的估计量的理论性质，并通过模拟表明，在logistic/Cox模型，premoothing导致更准确的结果相比，极大似然估计。为了说明实际使用，我们应用新的估计程序的两项研究黑色素瘤生存数据。
2021-06-14 stat.ME
Semiparametric copula-based quantile regression for semicontinuous outcomes with application to healthcare data
Department of Mathematics and Statistics, University of Windsor（温莎大学数学与统计系）
本文提出了一种半参数化copula基础的两阶段分位数回归框架，用于分析具有零点质量和连续正部分的半连续结果，通过copula条件分布链接发生和幅度过程，展示非线性依赖和协变量效应的灵活性，且在非线性依赖和显著零膨胀情况下优于logistic/线性回归。
2026-03-14 stat.ME
Semiparametric logistic regression for inference on relative vaccine efficacy in case-only studies with informative missingness
本文提出半参数逻辑回归方法，在仅病例研究中处理病毒株类型信息性缺失，利用目标最大似然估计和机器学习推断亚组特异性相对疫苗效力，并应用于ENSEMBLE COVID-19试验。
2025-03-11 stat.ME
A 2-step estimation procedure for semiparametric mixture cure models
已开发治愈模型作为传统生存分析的替代建模方法，以说明存在将永远不会发生关注事件的治愈受试者。混合治愈模型，其分别根据一组协变量对未治愈受试者的治愈概率和生存进行建模，对于区分治愈效果和延长寿命效果特别有用。在实践中，通常假设治愈概率为参数模型，而存活概率为半参数模型。由于潜在的治愈状态，极大似然估计是通过迭代期望最大化算法。在这里，我们专注于治愈概率，并提出了一个两步的程序，以改善性能的极大似然估计时，样本量是不是很大。新方法是基于预平滑的思想，首先构建一个非参数估计，然后将其投影到所需的参数类。我们调查的理论性质的估计，并显示通过广泛的模拟研究的Logistic Cox模型，它优于现有的方法。通过两个黑色素瘤数据集说明了该方法的实际使用。
2022-07-17 stat.ME
Semiparametric Regression Analysis of Interval-Censored Competing Risks Data
当每例研究受试者可能经历由多种原因之一引起的事件或失败，并且失败时间未被精确观察到，但已知位于两次连续检查之间的时间间隔内时，就会出现区间删失竞争风险数据。我们用公式表示可能随时间变化的协变量对累积发生率或子分布函数（即，特定原因导致的边际失效概率），通过广泛的一类半参数回归模型，捕获子分布的比例和非比例风险结构。我们允许每个受试者进行任意数量的检查，并容纳关于失败原因的缺失信息。我们考虑非参数极大似然估计，并设计了一个快速和稳定的EM型算法的计算。然后，我们建立的一致性，渐近正态性，半参数估计的有效性，呼吁现代经验过程理论。此外，我们通过广泛的模拟研究表明，所提出的方法在现实情况下表现良好。最后，我们提供了一个应用程序，对不同病毒亚型的HIV-1感染的研究。
2016-03-01 stat.ME
Maximum Likelihood Estimation of a Semiparametric Two-component Mixture Model using Log-concave Approximation
受生物科学中发现差异表达基因研究的启发，本文研究了一个已知成分的半参数两成分混合模型。假设未知组分的密度是对数凹的，它包含一个非常广泛的密度族，我们提出了一个半参数极大似然估计，并提出了一个计算它的期望最大化算法，我们的新估计方法同时找到混合比例和未知组分的分布。我们建立了半参数混合模型的可辨识性，并证明了估计的存在性和相合性。我们进一步比较我们的估计与现有的几个估计，通过模拟研究，并将我们的方法应用到两个真实的数据集，从生物科学和天文学。
2019-03-27 stat.AP stat.CO stat.ME
Calibrated Estimation and Inference for Semiparametric Regression Models
Harvard University（哈佛大学）；Pennsylvania State University（宾夕法尼亚州立大学）；Washington University in St. Louis（圣路易斯华盛顿大学）；University of Geneva（日内瓦大学）
本文提出SABRE框架，针对半参数回归模型中参数β和散度参数ϕ的有限样本偏差问题，通过模拟方法校正偏差，提升推断准确性。
2026-08-04 stat.ME
Copula-based Semiparametric Regression Method for Bivariate Data under General Interval Censoring
这项研究的动机是发现和支持双侧眼病进展的遗传原因，黄斑相关性黄斑变性（AMD），其主要结局（进展至晚期AMD的时间）是双变量的，并且由于间歇性评估时间而间隔删失。本文提出了一类新的基于Copula函数的一般区间删失双变量数据的半参数变换模型，包括区间删失情形1（当前状态数据）和区间删失情形2.具体地说，联合似然建模通过两个参数阿基米德copula，它可以灵活地表征在两个尾部的两个边缘之间的依赖性。边缘分布是通过半参数转换模型使用筛子，与比例风险或赔率模型是一个特殊的情况。我们开发了一个计算效率高的筛极大似然估计程序的未知参数，以及一个广义得分测试的回归参数（S）。对于有限维参数的筛估计，我们建立了它们的渐近正态性和有效性。进行了大量的模拟，以评估所提出的方法在有限样本的性能。最后，我们将我们的方法应用于使用AMD相关眼病研究（AREDS）数据的AMD进展的全基因组分析，以成功识别与疾病进展相关的新风险变体。我们还为具有不同遗传特征的患者预测了联合和条件性无进展概率。
2019-08-20 stat.ME
Representation Transfer Learning for Semiparametric Regression
本研究提出一种半参数回归下的表示迁移学习方法，通过共享跨域可迁移潜在表示、引入域特定参数处理异质性，证明了目标参数估计的一致性与渐近正态性，经模拟和真实数据验证了方法有效性。
2024-06-19 stat.ME
Semiparametric estimation in the normal variance-mean mixture model
本文研究半参数方差均值混合模型参数的统计推断问题。这类混合物最近在统计和金融建模中变得相当流行。我们设计了一个半参数估计程序，首先估计的平均值的基础正态分布，然后恢复非参数的密度相应的混合分布。我们说明了我们的程序模拟和真实数据的性能。
2017-05-22 stat.OT
Stochastic Search for Semiparametric Linear Regression Models
本文介绍和分析了Beran和Millar（1987）关于线性回归模型参数估计的随机搜索方法。其想法是生成参数空间的随机有限子集，该子集将自动包含非常接近未知真参数的点。该过程的动机来自Duembgen，Samworth和Schuhmacher（2011）关于对数凹误差分布回归模型的最新工作。
2011-10-10 math.ST stat.ME stat.TH
Deductive semiparametric estimation in Double-Sampling Designs with application to PEPFAR
在随访时间较长的研究中，不可预测的脱落是常见的，除非仔细处理，否则可能会使研究结果产生偏倚。双重抽样设计分配额外的资源，以追求辍学的子样本，并找出他们的结果，这可以解决潜在的偏见，由于不可解释的辍学。由于半参数估计具有稳健性，因此需要构造双重抽样设计的半参数估计。然而，获得这样的半参数估计仍然是一个挑战，由于有效影响函数（EIF）的解析形式的要求，其推导可以是特设的和困难的双重抽样设计。最近的工作表明，如何推导的EIF可以演绎和计算机化使用功能的衍生表示的EIF在非参数模型。然而，这种方法需要导出连续分布和点质量的混合，这本身对于诸如双重抽样设计之类的复杂问题来说是具有挑战性的。通过推广演绎和可计算机化的估计方法，提出了双重抽样设计中生存概率的半参数估计。特别是，我们建议建立半参数估计的基础上离散化的支持结构，它近似可能连续的观测数据分布和规避的混合分布的推导。我们的方法是演绎的意义上说，它预计将产生半参数局部有效的估计在有限的步骤内，没有知识的EIF。我们应用建议的估计估计死亡率的双重抽样设计的总统艾滋病紧急救援计划（PEPFAR）计划的组成部分。我们评估了双重抽样选择标准对死亡率估计的影响。
2019-06-26 stat.ME
Estimation of population-level summaries in general semiparametric repeated measures regression models
本文考虑了一个广泛的家庭半参数重复测量回归模型，其中的主要兴趣是估计人口水平的数量，如均值，方差，概率等，我们的框架的例子包括集群/纵向数据的广义线性模型，等等。我们推导出插件的基于核的估计的人口水平的数量，并得出其渐近分布。一个例子，涉及估计的生存功能的血红蛋白措施在肯尼亚血红蛋白研究数据来证明我们的方法。
2008-05-15 math.ST stat.ME stat.TH
Semiparametric regression of mean residual life with censoring and covariate dimension reduction
提出了一类新的截尾数据下的平均剩余寿命半参数回归模型。模型，使我们能够估计预期的剩余生存时间和推广常用的平均剩余寿命模型，也进行协变量降维。使用半参数文献中的几何方法和生存数据的鞅性质，我们提出了一个灵活的推理过程，放松了平均剩余寿命对协变量的依赖性的参数假设，以及病人活了多久。我们证明了协变量效应的估计是根$n$一致的，渐近正态的，半参数有效的。在未指定平均剩余寿命函数下，给出了一个预测给定受试者剩余寿命的非参数估计，并建立了该估计的根$n$相合性和渐近正态性性.数值实验表明了所提出的估计器的可行性。我们应用该方法来分析一个国家的肾移植数据集，以进一步证明该工作的实用性。
2020-11-08 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
Statistical generalized derivative applied to the profile likelihood estimation in a mixture of semiparametric models
在纵向和生存数据的联合模型中，很难找到轮廓似然估计量的方差估计。我们通过引入“统计广义导数”来解决这个困难。导数用于显示估计量的渐近正态性，而不假设模型中密度函数的二阶导数存在。
2018-07-20 math.ST stat.TH
Efficient semiparametric estimation and model selection for multidimensional mixtures
本文考虑非参数多维有限混合模型，主要研究总体权重的半参数估计。给，身份证。假设观测至少有三个分量，它们在给定总体的情况下是独立的。我们通过将条件分布投影到与某个分区相关联的阶梯函数上来近似半参数模型。我们的第一个主要结果是，如果我们细化分区足够慢，相关序列的最大似然估计的权重是渐近有效的，和后验分布的权重，当使用贝叶斯过程，满足半参数伯恩斯坦冯米塞斯定理。然后，我们提出了一个交叉验证一样的程序来选择分区在有限的地平线。我们的第二个主要结果是，所提出的程序满足一个预言不等式。模拟数据的数值实验验证了我们的理论结果。
2017-12-13 math.ST stat.TH
Semiparametric logistic regression with unknown sizes, and its application to bioassays
具有未知大小的逻辑斯谛回归在生物和医学科学中有许多重要的应用。文献中关于这个问题的模型都是参数模型。提出了一个半参数回归模型。该模型包含由于尺寸变化引起的过度分散，并允许一般的剂量-反应关系。期望条件最大化算法提供了最大化的对数似然。Bootstrap方法可用于构造回归系数的置信区间。仿真研究所提出的模型的行为。两个实际的例子进行了研究所提出的模型。
2006-09-20 math.ST stat.TH
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
On Doubly Robust Inference for Double Machine Learning in Semiparametric Regression
针对部分线性回归中的因果效应推断，本文提出一种双重稳健的双重机器学习实现，在单一第一阶段预测不一致时仍可降低偏差并改善置信区间覆盖率。
2025-01-07 stat.ME
Semiparametric regression estimation using noisy nonlinear non invertible functions of the observations
本文研究了一类半参数回归模型，其中观测值为带噪声的非线性不可逆函数。我们专注于纯方位跟踪的应用。我们首先研究了最小二乘估计，并在较弱的假设下证明了它的相合性和渐近正态性。研究了半参数似然过程，证明了模型的局部渐近正态性。这允许定义有效的Fisher信息作为正则估计量的渐近方差的下界，并证明参数似然估计量是正则的且渐近有效的。模拟来说明我们的结果。
2008-12-16 math.ST stat.TH
Semiparametric count data regression for self-reported mental health
“在过去的30天里，你有多少天精神不好？“对这个问题的回答衡量了自我报告的心理健康状况，并且可以与国家健康和营养检查调查（NHANES）中的重要协变量联系起来。然而，这些计数变量提出了主要的分布挑战：数据过度分散，零膨胀，以30为界，并以5天和7天为增量堆积。为了应对这些挑战，我们设计了计数数据回归的半参数估计和推理框架。数据生成过程是通过同时变换和舍入（STAR）潜高斯回归模型来定义的。变换估计非参数化和舍入算子，确保正确的离散和有界数据的支持。极大似然估计量使用期望最大化算法计算，该算法与可通过最小二乘法估计的任何连续数据模型兼容。STAR回归包括渐近假设检验和置信区间，通过信息标准进行变量选择，以及定制诊断。仿真研究验证了该框架的实用性。STAR被部署来研究与自我报告的心理健康相关的因素，并与现有的计数数据回归模型相比，在拟合优度方面有了实质性的改善。
2021-10-13 stat.AP stat.ME stat.ML
Generalized Method of Moments Estimator Based On Semiparametric Quantile Regression Imputation
在这篇文章中，我们考虑一种插补方法来处理基于半参数分位数回归估计的缺失响应值。在所提出的方法中，缺失的响应值生成使用估计的条件分位数回归函数在给定的协变量值。我们采用广义矩量法估计的参数定义通过一个一般的估计方程。我们证明了所提出的估计，它结合了半参数分位数回归插补和广义矩方法，具有竞争优势，对一些最广泛使用的参数和非参数插补估计。证明了估计量的相合性和渐近正态性，并给出了方差估计。有限的模拟研究和实证研究的结果，显示所提出的方法的充分性。
2014-04-11 math.ST stat.TH
Model Building for Semiparametric Mixtures
多元混合模型拟合中的一个重要而又困难的问题是混合模型复杂度的确定。我们开发的理论和一个统一的框架，找到一个多元混合分布的非参数最大似然估计，从而估计混合的复杂性。多元混合提供了一种灵活的方法来拟合高维数据，同时通过组分密度的数量，位置和形状提供数据简化。该方法的核心思想是将混合最大化问题转化为具有多个线性不等式约束的凹优化问题，并利用“罚函数“将其转化为无约束问题。我们建立了参数估计的存在性，并证明了所提出的算法的收敛性。证明了“筛参数”在降低混合物模型维数中的作用。我们推导出分析机器，通过筛选参数，建立一个集合的半参数混合模型，包括多变量的情况下，。该方法的性能显示与应用程序的几个数据集，包括cdc15细胞周期酵母微阵列数据。
2006-06-03 math.ST stat.TH
Maximum Likelihood Estimation for Semiparametric Regression Models with Interval-Censored Multi-State Data
区间删失多状态数据出现在许多慢性疾病的研究中，其中受试者的健康状况可以由有限数量的疾病状态来表征，并且任何两个状态之间的转换仅已知发生在较宽的时间间隔内。我们通过具有随机效应的半参数比例强度模型来描述潜在的时间相关协变量对多状态过程的影响。本文采用一般区间删失下的非参数极大似然估计（NPMLE），提出了一种稳定的期望最大化（EM）算法。我们证明了所得到的参数估计是一致的，有限维分量是渐近正态的，其协方差阵达到半参数有效界，并且可以通过轮廓似然一致估计。此外，我们通过广泛的模拟研究表明，所提出的数值和推理程序在现实环境中表现良好。最后，我们提供了一个主要的流行病学队列研究的应用程序。
2022-09-16 math.ST stat.ME stat.TH
Estimating spatial quantile regression with functional coefficients: A robust semiparametric framework
本文考虑空间数据半参数变系数分位数回归的一种估计。一个通用的强大的框架，对待分位数回归空间数据的自然半参数的方式。利用局部线性逼近，给出了未知函数系数函数的局部M-估计，并在弱空间混合条件下建立了其渐近分布.土壤数据集的应用证明了有趣的发现，超越传统的分析。
2014-02-05 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
Estimation in semiparametric spatial regression
在过去的几十年里，非参数方法在时间序列和回归中非常流行，但在空间模型中没有这样的发展。一个相当明显的原因是维度灾难。对于网格上的空间数据，在给定其最近邻的情况下评估条件均值值需要四维非参数回归。本文提出了一种半参数空间回归方法来避免这个问题。在半参数空间回归的基础上，提出了一种将边缘积分技术与局部线性核估计相结合的估计方法。在较弱的条件下建立了渐近分布。建立了与一维回归情况相同的收敛速度。经典的Mercer和Hall小麦数据集的方法的应用程序，并指出，一个方向分量似乎是非线性的，这在早期的分析中被忽视。
2006-08-02 math.ST stat.TH
Specification tests in semiparametric transformation models - a multiplier bootstrap approach
我们考虑半参数转换模型，其中在响应的参数转换的预估计之后，通过非参数回归对数据进行建模。我们建议随后的程序，用于测试缺乏拟合的回归函数和协变量的意义，这-相反，从文献中的程序-渐近不受预估计的转换。检验统计量是渐近关键的，并且具有与无变换回归模型相同的渐近分布。我们证明了乘数引导程序的有效性，这是更容易实现和更少的计算要求比引导程序的转换模型的基础上。在模拟研究中，我们证明了优越的性能的程序相比，从文献中的竞争对手。
2019-01-24 math.ST stat.ME stat.TH
Efficient semiparametric estimation in time-varying regression models
研究了具有时变系数、相依回归变量和相依误差的线性回归模型的半参数推断问题。这个问题最近被Zhang和Wu（2012）在函数相关测度下考虑，由于简约原因或用于测试线性回归模型中某些系数的稳定性，这个问题很有趣。在本文中，我们提出了一个不同的程序估计非时变参数的速率根n，在Robinson（1988）介绍的方法的精神，部分线性模型。当模型中的误差是鞅差时，这种方法可以得到比Zhang和Wu（2012）中考虑的方法更有效的估计。对于具有条件高斯误差和外生协变量的时变AR过程，我们从适用于三角阵列的卷积定理中导出了有效信息矩阵的概念。对于独立但非同分布的高斯误差，我们构造了一个半参数意义下的渐近有效估计。
2017-07-17 math.ST stat.TH
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
Variable selection in semiparametric regression modeling
本文讨论了半参数模型中重要变量的选取问题。半参数回归模型的变量选择由两部分组成：非参数部分的模型选择和参数部分的显著变量选择。因此，半参数变量选择比参数变量选择更具挑战性（例如，线性和广义线性模型），因为包括逐步回归和最佳子集选择的传统变量选择程序现在需要为每个子模型的非参数分量进行单独的模型选择。这导致非常沉重的计算负担。本文提出了一类使用非凹惩罚似然的半参数回归模型的变量选择方法。我们建立了所得估计的收敛速度收敛速率。通过适当地选择罚函数和正则化参数，我们证明了所得到的估计的渐近正态性，并进一步证明了所提出的方法与预言方法一样有效.提出了一种半参数广义似然比检验来选择非参数分量中的显著变量。我们研究了该检验的渐近行为，并证明了其极限零分布服从独立于冗余参数的χ 2分布。进行了广泛的蒙特卡罗模拟研究，以检查有限样本的性能，建议的变量选择程序。
2008-03-13 math.ST stat.TH
A Semiparametric Quantile Single-Index Model for Zero-Inflated Outcomes
针对微生物组零膨胀数据，提出半参数单指数分位数回归模型，放宽参数假设，适应零比例变化，并证明其拟合性能优越。
2025-03-27 stat.AP stat.ME
Double-mixing semiparametric logistic regression with unknown sizes
未知大小的二项数据经常出现在生物和医学科学中，并且通常是过度分散的。所有以前的方法使用参数模型，只考虑过度分散，由于尺寸的变化。建议的半参数模型考虑过度分散由于大小和概率的变化。通过这样做，它可以包括由观测引起的变化，缺失的协变量，以及协变量中的随机测量误差。提出了一种期望条件最大化算法来稳定对数似然优化。讨论了混合分布的支撑点数目的选取和Bootstrap方法。仿真结果验证了该模型的有效性。两个实例被用来说明所提出的模型。
2006-09-20 math.ST stat.TH
Panel semiparametric quantile regression neural network for electricity consumption forecasting
Institute of Statistics and Data Science, Nanjing Audit University（南京审计大学统计与数据科学学院）
在长期深化改革开放的过程中，我国电力工业取得了巨大成就。然而，由于我国区域经济、社会和自然条件复杂，电力资源分布不均，造成我国部分地区缺电。因此，需要建立一个可靠的电力预测模型。在此基础上，本文将人工神经网络与半参数分位数回归相结合，提出了一种面板半参数分位数回归神经网络（PSQRNN）。PSQRNN可以探索变量之间潜在的线性和非线性关系，解释未观察到的省级异质性，同时保持参数模型的可解释性。将惩罚分位数回归与LASSO、岭回归和反向传播算法相结合训练PSQRNN。为了评估预测精度，基于3种情景对1999 - 2018年中国各省用电量进行了实证分析。结果表明，PSQRNN模型在考虑经济和气候因素的情况下，能够更好地预测电力消费量。最后，通过预测，给出了未来$5$年（2019-2023年）中国各省用电量。
2021-03-01 cs.LG econ.EM stat.ML
Semiparametric efficiency bounds for seemingly unrelated conditional moment restrictions
研究了具有不同条件变量的条件矩约束模型的半参数有效界问题。我们的特点是这样的效率界，在一般情况下是不明确的，作为一个限制的明确的效率界的递减序列的无条件（边际）的时刻限制模型。一个迭代的过程中近似的有效分数时，这是不明确的。我们的理论结果完善和推广了文献中已有的结果，为文献中的半参数有效界理论提供了新的见解，并为新的应用打开了大门。特别是，我们研究了一类回归类（均值回归，分位数回归，.）缺少数据的模型
2011-11-28 math.ST stat.TH
A semiparametric probability distribution estimator of sample maximums
本研究提出一种计算高效的半参数混合分布估计器用于样本最大值分布估计，兼具极值理论与非参数平滑的优点，并采用交叉验证选择混合比例，通过模拟和案例验证其有效性。
2025-09-11 math.ST stat.TH
Semiparametric Regression for Dual Population Mortality
参数收缩的最佳应用总是可以减少误差和投影方差的极大似然估计。精算师使用的许多变量都是数字规模，如年龄或年份，需要每个点的参数。与其将这些参数缩小到零，不如将附近的参数相互缩小。半参数回归是一种统计学科，用于使用收缩方法跨参数类构建曲线。它类似于三次样条，但比三次样条更简约。我们在贝叶斯收缩的背景下引入它，并将其应用于相关人群的联合死亡率建模。线性样条斜率变化的贝叶斯收缩是精算文献中发展的半参数建模方法。它具有理论和实际应用的优点，如封闭形式的曲线，直接和透明的确定收缩度和放置节点的样条，量化拟合优度。它也相对容易应用于精算工作中出现的许多非线性模型。我们发现，它相比，以及一个更复杂的国家的最先进的统计样条收缩方法，从该文献中的一个流行的例子。
2020-12-20 stat.AP
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
Estimation of a semiparametric contaminated regression model
本文考虑了一类污染回归模型，其中污染分量的分布是已知的，而回归模型的欧氏参数、噪声分布、污染率和设计数据的分布都是未知的。我们的模型被认为是半参数的意义上，密度函数（pdf）的回归模型中涉及的噪声不应该属于一个参数密度家庭。当噪声和污染现象的概率密度函数关于零对称时，我们提出了模型的各种参数（Euclidean和functional）的估计，并在较弱的条件下证明了其收敛性。我们证明，特别是，在技术条件下都满足高斯的情况下，该模型的欧几里得部分估计的速度$o_{a.s}(n-1/4+γ), $ γ> 0$。我们记得，正如Bordes和Vandekerkhove（2010）所指出的，这个结果不能被忽略，以便在这类模型的渐近理论中更进一步。最后，我们的方法的实施和数值性能的几个玩具的例子进行了讨论。
2011-11-09 math.ST stat.TH
Semiparametric estimation of a two-component mixture model
假设单变量数据是从两个分布的混合中提取的，这两个分布在移位参数上是相等的。这样的模型从非参数的角度来看是不可识别的。然而，如果我们假设未知的混合分布是对称的，我们得到该模型的可识别性，这是由四个未知参数定义：混合比例，两个位置参数和对称混合分布的累积分布函数。当没有训练数据时，我们提出了这四个参数的估计。我们的估计被证明是强相合的温和的正则性假设和他们的收敛速度进行了研究。他们的有限样本性质说明了Monte Carlo研究和我们的方法应用于实际数据。
2006-07-31 math.ST stat.TH
Semiparametric inference for mixtures of circular data
我们考虑X1，. ..，Xn是圆S1上的数据样本，其分布是两组分混合物。表示R和Q在S1上的两个旋转，假设X i的密度为g（x）= pf（R -1 x）+（1 - p）f（Q -1 x），其中p $\in$（0，1），f是圆上的未知密度.在本文中，我们估计参数部分$θ$ =（p，R，Q）和非参数部分f。研究了圆上可识别性的具体问题。引入了$θ$的一个相合估计，并证明了它的渐近正态性.我们提出了一个基于傅立叶估计的f与惩罚标准选择的分辨率水平。我们表明，我们的自适应估计是最佳的预言和极大极小的观点时，密度属于一个Sobolev球。我们的方法是通过数值模拟说明。
2022-05-31 math.ST stat.TH
Semiparametric Estimation of Structural Functions in Nonseparable Triangular Models
具有不可加性可分离的不可观测异质性的三角系统为复杂结构关系的建模提供了一个理论上有吸引力的框架。然而，由于需要大量支持识别的外生变量，估计中的维数灾难以及缺乏推理工具，它们在实践中并不常用。本文介绍了两类半参数不可分三角模型，解决这些限制。它们基于内生变量的简化形式条件分布的分布和分位数回归建模。我们发现，平均，分布和分位数结构功能，确定在这些系统中，通过控制功能的方法，不需要一个大的支持条件。我们提出了一个计算上有吸引力的三阶段的过程来估计的结构功能，其中前两个阶段包括分位数或分布回归。我们为每个阶段提供了渐近理论和统一的推理方法。特别地，我们得到了结构函数的分布回归估计的泛函中心极限定理和bootstrap泛函中心极限定理。这些结果建立了结构函数的三阶段估计的自举的有效性，并导致简单的推理算法。我们用数值模拟和需求分析的实证应用说明了我们所有方法的实施和适用性。
2019-10-05 econ.EM stat.ME
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
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
Heteroscedastic semiparametric transformation models: estimation and testing for validity
本文考虑一个异方差变换模型，其中变换属于参数单调变换族，回归和方差函数是非参数建模的，误差与多维协变量无关。在这个模型中，我们首先考虑模型未知分量的估计，即变换参数、回归和方差函数以及误差的分布。我们证明了所提出的估计量的渐近正态性。其次，我们对模型的有效性进行了检验，并在原假设下建立了检验统计量的极限分布。提出了一种Bootstrap方法来近似检验的临界值。最后，我们进行了模拟研究，以验证所提出的估计和测试的小样本行为。
2014-11-27 math.ST stat.ME 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
An Overview of Semiparametric Extensions of Finite Mixture Models
有限混合模型在经济学、流行病学、金融学等许多科学领域已经成为研究复杂数据结构的重要工具。在过去的十年中，半参数技术被广泛地引入到传统的有限混合模型中，半参数混合模型在方法、理论和应用方面都取得了令人兴奋的发展。在这篇文章中，我们提供了一个新开发的半参数混合模型的选择性概述，讨论他们的估计方法，理论性质，如果应用，和一些开放的问题。最新的发展和一些开放的问题也进行了讨论。
2018-11-14 stat.ME
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
Semiparametric Regression using Variational Approximations
半参数回归为响应和协变量之间的非线性关系建模提供了一个灵活的框架。一个主要的例子是广义加法模型，其中样条（比方说）用于近似非线性泛函分量，并结合二次惩罚来控制过拟合。然后，通常基于惩罚似然或在混合模型框架下执行估计和推断。惩罚似然框架速度很快，但可能不稳定，并且需要使用交叉验证在外部选择平滑参数。混合模型框架往往更稳定，并提供了一个自然的方式来选择平滑参数，但对于非正态响应涉及一个棘手的积分。在这篇文章中，我们介绍了一个新的框架，半参数回归的基础上变分逼近。该方法具有混合模型框架的稳定性和自然推理工具，同时实现与使用惩罚似然的计算时间。专注于广义加性模型，我们得到一些常见的响应类型完全听话的变分似然。我们提出了几个功能的变分近似框架的推断，包括变分信息矩阵的参数分量的推断，估计平滑参数的封闭形式的更新。我们证明了变分近似估计的相合性，以及模型参数分量的渐近正态性结果。模拟研究表明，变分近似框架执行类似，有时更好地比目前可用的软件拟合广义加性模型。
2018-10-03 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
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
A spline-assisted semiparametric approach to non-parametric measurement error models
众所周知，有误差测量的随机变量的非参数密度和回归函数估计的极小极大收敛速度比无误差情况下的收敛速度慢得多。令人惊讶的是，我们表明，如果一个人愿意施加一个相对温和的假设，要求易错变量有一个紧凑的支持，那么结果可以大大改善。我们描述了新的建设性的方法，充分利用样条辅助半参数方法的紧支持假设。我们进一步证明，新的估计实现了通常的非参数率估计密度和回归函数，如果没有测量误差。证明涉及线性和双线性算子理论、半参数理论、B样条的渐近分析以及积分方程的处理。新方法的性能通过几个模拟和一个数据例子来证明。
2019-08-19 math.ST stat.TH
Cross-Fitting and Fast Remainder Rates for Semiparametric Estimation
有许多有趣的和广泛使用的估计功能有限半参数方差界依赖于非参数估计滋扰功能。我们使用交叉拟合（即样本分裂）来构建具有快速剩余率的新估计。我们给交叉拟合双稳健估计，使用单独的子样本估计不同的滋扰功能。我们得到了一般的，精确的结果回归样条估计的平均线性泛函的条件期望与有限的半参数方差界。我们证明了期望条件协方差的交叉拟合双稳健样条回归估计在极小条件下是半参数有效的。交叉拟合双稳健估计的其他平均线性泛函的条件期望具有最快的已知剩余率的Haar基或在一定的光滑条件下。令人惊讶的是，交叉拟合插入式估计器也具有几乎最快的已知余数速率，但余数收敛到零的速度比交叉拟合双稳健估计器慢。作为具体的例子，我们考虑期望的条件协方差，随机缺失数据的平均值，以及加权平均导数。
2018-01-27 math.ST stat.TH
