Semiparametric Spatial Point Processes
本文提出半参数空间点过程模型，结合参数与非参数强度分量，并开发了达到效率下界的双重机器学习估计量及核估计量，通过模拟和生态、水文地质实例验证其有效性。
2025-09-22 stat.ME
On nonparametric and semiparametric testing for multivariate linear time series
我们制定了非参数和半参数假设检验的多元平稳线性时间序列在一个统一的方式，并提出了新的检验统计量的基础上估计的谱密度矩阵。这些检验统计量在原假设下的极限分布始终是正态分布，并且可以很容易地实现以供实际使用。如果零假设为假，则随着样本量趋于无穷大，零假设也趋于无穷大，因此对于任何替代方案都是相合检验。该方法适用于各种零假设，如分量序列之间的独立性、分量序列的自协方差函数或自相关函数的相等性、协方差阵函数的可分性和时间可逆性等。此外，具有非线性约束（如两个序列之间的条件独立性）的原假设可以以相同的方式进行测试。
2009-09-02 math.ST stat.TH
Dynamic Large Spatial Covariance Matrix Estimation in Application to Semiparametric Model Construction via Variable Clustering: the SCE approach
为了更好地理解大型经济和金融时间序列面板的空间结构，并为构建半参数模型提供指导，本文首先考虑估计广义$m$依赖和$β$混合时间序列的大空间协方差阵（使用$J$变量和$T$观测）通过硬阈值正则化，只要${\log J \, \cx^*(\ct)}/{T} = \Co(1)$（前一个方案具有一些时间依赖性测度$\cx^*(\ct)$）或$\log J /{T} = \Co(1)$（后一个方案具有一些上界混合系数）。我们量化的估计的一致性率和时间依赖水平之间的相互作用，讨论了一个直观的resternation方案的阈值选择，并证明了一般的交叉验证结果证明这一点。给定一个一致估计的协方差（相关性）矩阵，利用其与图形模型和半参数的自然联系，在“筛选”解释变量后，我们实现了一种新的前向（和后向）标签置换过程来聚类“相关”变量并构建相应的半参数模型，并通过带符号约束的分组降维方法进一步估计半参数模型.我们称之为SCE（screen-cluster- estimate）方法来建模具有复杂空间结构的高维数据.最后，我们应用这种方法来研究大面板的经济和金融时间序列的空间结构，并找到适当的半参数结构估计消费者价格指数（CPI），以说明其优越性的线性模型。
2011-06-23 q-fin.RM q-fin.ST stat.ME
Semiparametric mean and variance joint models with Laplace link functions for count time series
针对计数时间序列条件方差难以独立建模的局限，提出 RRC-GARCH 半参数均值与方差联合模型，利用 Laplace 链接函数灵活捕捉均值-方差结构，证明了其理论性质，并通过模拟与真实数据验证了其预测准确性。
2024-04-29 math.ST stat.ME stat.TH
Semiparametric inference on the fractal index of Gaussian and conditionally Gaussian time series data
研究了随机过程分形指数的一个著名估计。我们的框架是非常普遍的，包括许多感兴趣的模型，我们展示了如何扩展的估计理论的一大类非高斯过程。特别关注的是清晰度和易于实施的估计和相关的渐近结果，使从业者很容易应用的方法。我们还展示了如何测量噪声的意见将偏见的估计，可能导致从业者错误地发现证据的分形特征的时间序列。我们提出了一个新的估计，这是强大的，这样的噪音，并建立一个正式的假设检验存在的噪音的意见。最后，在两个经验数据集上说明了这些方法;一个是湍流速度流，一个是金融价格。
2018-03-09 math.ST q-fin.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
Learning a latent pattern of heterogeneity in the innovation rates of a time series of counts
我们开发了一个贝叶斯分层半参数模型的现象有关的时间序列的计数。该模型的主要特点是它能够学习的过程创新率，这是软集群通过时间的帮助下，放置在模型层次结构的顶部的狄利克雷过程的分布的异质性的潜在模式。该模型的概率预测能力在匹兹堡的犯罪数据分析中进行了测试，取得了良好的效果。
2019-07-06 stat.ME
Semiparametric Volatility Model with Varying Frequencies
针对不同频率时间序列数据聚合导致信息丢失的问题，提出两种半参数波动率模型VF-ARMA和VF-GARCH，通过非参数函数引入高频数据，模拟证明其预测能力优于传统聚合方法，且VF-ARMA更具鲁棒性。
2021-05-09 stat.ME
A Generalization of a Gaussian Semiparametric Estimator on Multivariate Long-Range Dependent Processes
在长相依多元时间序列的背景下，本文提出并研究了分数阶差分参数的一类广义高斯半参数估计。我们建立大样本性质的估计，而不假设高斯。这里考虑的一类模型满足简单的条件的频谱密度函数，限制在一个小的邻域的零频率，包括重要的VARFIMA过程。我们还提出了一个模拟研究，以评估所提出的估计的有限样本属性的基础上平滑版本的GSE，支持其竞争力。
2013-05-22 math.ST stat.OT stat.TH
Robust estimation in time series with long and short memory properties
本文综述了线性时间序列模型中存在可加性野值时，具有短记忆和长记忆相关结构的稳健估计的研究进展。本文在Fajardo et al.（2009）和Lévy-Leduc et al.（2011 a）的基础上，重点研究了加性异常值对时间序列估计的影响、ARFIMA（p，d，q）模型中部分参数d的稳健自协方差函数的渐近性质和稳健半参数估计方法。当时间序列中存在可加性离群值时，一些模拟结果被用来支持鲁棒方法的使用。本文还讨论了具有异常值的ARFIMA模型中一阶差分估计的不变性。一般来说，鲁棒长记忆估计器具有抗离群值和对一阶差分不变性。
2011-12-29 stat.ME
Efficiency improvements in inference on stationary and nonstationary fractional time series
我们考虑一个时间序列模型，其中包含一个分数阶随机分量，其积分阶可以位于平稳/可逆或非平稳区域并且是未知的，以及一个由广义多项式组成的附加确定性分量。因此，该模型可以合并趋势行为的竞争描述。随机分量的平稳输入具有参数自相关性，但新息具有未知形式的分布。因此，该模型是半参数的，我们开发的参数分量是渐近正常的估计，并实现M-估计效率界，等于发现在工作中使用自适应LAM/LAN方法。我们治疗的一个主要技术特征是截断自回归表示，以形成创新代理的效果。当创新密度被参数化时，这也是相关的，我们也提供了这种情况下的结果。我们的半参数估计采用非参数序列估计，这避免了一些复杂性和条件内核的方法特点在许多工作的自适应估计的时间序列模型，因此，我们的工作也有助于非分数时间序列模型，如自回归移动平均的方法和理论。半参数估计的有限样本性能的Monte Carlo研究。
2005-08-16 math.ST stat.TH
Semiparametric Time Series Models with Log-concave Innovations: Maximum Likelihood Estimation and its Consistency
研究新息服从对数凹分布的半参数时间序列模型。我们提出了一个一般的极大似然框架，使我们能够同时估计模型的参数和创新的密度。这个框架可以很容易地适应许多著名的模型，包括ARMA，GARCH和ARMA-GARCH。此外，我们表明，我们的新框架下的估计是一致的ARMA和ARMA-GARCH设置。我们通过一个全面的模拟研究证明了它的有限样本性能，并将其应用于模拟FTSE 100指数和兔子种群的日对数收益率。
2013-07-10 stat.ME
Variable Selection and Model Averaging in Semiparametric Overdispersed Generalized Linear Models
我们将双指数回归模型中的均值和方差项表示为预测变量的加性函数，并使用贝叶斯变量选择来确定哪些预测变量进入模型，以及它们是线性进入还是灵活进入。当方差项为零时，得到一个广义可加模型，如果预测变量线性地进入均值，则该模型成为一个广义线性模型。该模型估计使用马尔可夫链蒙特卡罗模拟和方法说明使用真实和模拟数据集。
2007-07-14 stat.ME
A convolution type model for the intensity of spatial point processes applied to eye-movement data
一阶强度函数的估计是点模式分析中的一个重要问题，迄今为止，人们从不同的角度进行了研究：参数化、半参数化和非参数化。我们的方法是接近半参数的。受眼球运动数据的启发，我们引入了一个卷积型模型，其中对数强度被建模为待估计的函数$β(\cdot)$和单个空间协变量（个人正在查看眼球运动数据的图像）的卷积。基于傅立叶级数展开，我们证明了所提出的模型\rev{can be viewed as a}是具有无穷多个系数的对数线性模型，对应于$β(\cdot)$的谱分解。截断后，我们通过惩罚泊松似然估计这些系数。我们说明了模拟数据和眼动数据上所提出的方法的效率。
2021-10-05 stat.ME
Stationary vine copula models for multivariate time series
多元时间序列表现出两种类型的相关性：跨变量和跨时间点。藤连接函数是依赖关系的图形模型，可以方便地在同一个模型中捕获两种类型的依赖关系。我们得到的最大类的图结构，保证平稳性下的一个自然的和可验证的条件称为平移不变性。我们提出了计算效率的方法估计，模拟，预测和不确定性量化，并通过渐近结果和模拟显示其有效性。理论结果允许错误指定的模型，甚至当专门的iid的情况下，超出了什么是在文献中。他们的证明是基于一般半参数矩估计法的新结果，这将是独立的利益。新的模型类说明了一个应用程序，预测回报的投资组合的20只股票，在那里他们表现出出色的预测性能。该文件是伴随着一个开放源代码的软件实现。
2022-03-14 stat.ME
LRD spectral analysis of multifractional functional time series on manifolds
本文针对流形上具有空间变化长程依赖的随机场，提出半参数函数型谱估计方法，实现长记忆算子的弱相合估计，并通过模拟验证了其性能。
2023-12-28 stat.ME
Measurement Errors in Semiparametric Generalized Regression Models
忽略预测因子中的测量误差的回归模型可能会产生高度偏倚的估计，从而导致错误的推断。众所周知，在高斯非参数回归中，考虑测量误差是极其困难的。这个问题变得非常困难时，考虑其他家庭，如逻辑斯谛回归，泊松和负二项。第一次，我们提出了一种方法，旨在纠正测量误差时，估计回归函数灵活地覆盖几乎所有的分布和链接函数经常考虑在广义线性模型。这种方法依赖于在半参数广义线性模型中整合出真实的未观察到的预测因子后近似响应的一阶和二阶矩。与以前的方法不同，该方法不限于截断样条，可以利用各种基函数。通过广泛的模拟研究，我们研究了我们的方法在许多情况下的性能。
2023-01-31 stat.ME
An RKHS-Based Semiparametric Approach to Nonlinear Sufficient Dimension Reduction
基于再生核Hilbert空间理论和半参数方法，提出了一种新的非线性降维方法。该方法将半参数方法推广到一个更广义的域，其中感兴趣的参数和讨厌的参数都是无穷维的。通过将非线性降维问题置于广义半参数框架中，计算广义多余切空间的正交补空间，导出估计方程。利用RKHS理论和正则化方法求解估计方程，得到了充分降维（SDR）子空间的降维方向的估计，并证明了估计的渐近性质.此外，该方法不依赖于线性条件和常方差条件。仿真和实际数据进行研究，以证明我们的方法与现有的几种方法相比，有限样本的性能。
2021-01-05 stat.ME
Real-time semiparametric regression
我们开发了实时执行半参数回归分析的算法，数据在收集时进行处理，并通过现代电信技术立即提供。我们的半参数回归的定义是相当广泛的，包括，作为特殊情况下，广义线性混合模型，广义可加模型，地质统计模型，小波非参数回归模型及其各种组合。快速更新回归拟合是通过将半参数回归耦合到贝叶斯分层模型或等价的图形模型框架中并采用在线平均场变分思想来实现的。本文所附的一个网站realtime-semiparametric-regression.net说明了不断获得股票市场、房地产和航空公司数据的方法。基于日益普遍的流数据源的灵活实时分析将受益匪浅。
2013-02-06 stat.ME
Wilks' theorem for semiparametric regressions with weakly dependent data
将经验似然推断推广到平稳弱相依序列的一类半参数模型。部分线性单指标回归用于给定其过去的序列的条件平均值，以及协变量向量的当前值和过去值。添加序列的条件方差的参数模型以捕获进一步的非线性效应。我们提出了一个固定数量的合适的矩方程的均值和方差模型的特点。我们推导出一个经验对数-似然比，其中包括几个功能的非参数估计，我们表明，这个比率具有相同的限制，在这些功能是已知的情况下。
2021-05-17 stat.ME
Modeling Multivariate Time Series with Copula-linked Univariate D-vines
本文提出了一种新的多元时间序列模型Copula-linked univariate D-vines（CuDvine），它可以同时对多元时间序列的时间依赖和截面依赖进行基于Copula的建模。为了构建CuDvine，我们首先基于D-vine构建半参数单变量D-vine时间序列模型（uDvine）。uDvine将现有的基于一阶Copula的马尔可夫链模型推广到任意阶的马尔可夫链。在uDvine的基础上，我们通过连接多个uDvine来构建CuDvine。作为一个简单易行的模型，CuDvine为时间序列的边缘行为和时间依赖性提供了灵活的模型，也可以为高维应用提供复杂的横截面依赖性，如时变和时空依赖性。鲁棒性和计算效率高的程序，包括一个连续的模型选择方法和一个两阶段的极大似然估计，提出了模型估计和推理，并研究了它们的统计特性。数值实验证明了CuDvine的灵活性，并检验了顺序模型选择过程和两阶段极大似然估计的性能。澳大利亚电价数据的实际应用表明，CuDvine的性能优于传统的多元时间序列模型。
2020-12-01 stat.ME
Semiparametric Inference for Dynamic Causal Effects from Observational Time Series
The University of Hong Kong（香港大学）
针对观测时间序列中动态因果效应推断的挑战，提出结合去偏机器学习与工具变量的半参数框架，并验证其在货币政策应用中的有效性。
2026-09-24 stat.ME
Semiparametric Multivariate Accelerated Failure Time Model with Generalized Estimating Equations
半参数加速失效时间模型没有像Cox相对风险模型那样广泛使用，主要是由于计算困难。最小二乘估计和诱导平滑估计方程的最新发展为加速失效时间模型的应用提供了有力的工具。对于半参数多变量加速失效时间模型，我们提出了一个广义估计方程的方法，通过工作相关结构来考虑多变量的相关性。边际误差分布可以与顺序事件设置相同，也可以与并行事件设置不同。某些回归系数可根据需要跨边界共享。初始估计是一个基于秩的估计与Gehan的权重，但从一个诱导平滑方法与计算方便。所得的估计量是一致的和渐近正态的，方差估计通过乘子回归方法。在一个模拟研究中，我们的估计是三倍的效率作为初始估计，特别是更强的多元依赖性和更重的删失百分比。两个实例表明了该方法的实用性。
2012-04-02 stat.ME
A Semiparametric Functional Generalized Linear Model for Multi-Population Data
Sauder School of Business, University of British Columbia（不列颠哥伦比亚大学 Sauder 商学院）；Columbia University（哥伦比亚大学）；Department of Statistics and Actuarial Science, Simon Fraser University（西蒙菲莎大学统计与精算科学系）
本文提出一种面向多总体数据的半参数函数型广义线性模型，通过密度比模型关联多总体基线响应分布，采用最大经验似然估计与惩罚B样条近似，经模拟及大豆产量数据验证可提升估计效率且具稳健性。
2026-10-09 stat.ME
Semiparametric Approach to Estimation of Marginal and Quantile Effects
考虑半参数广义线性模型，研究了该模型中边际效应和分位数效应的估计。我们提出了一个近似的极大似然估计，并严格建立了我们的方法在边际效应和分位数效应估计的相合性，渐近正态性和半参数有效性。通过仿真研究来说明有限样本的性能，我们应用新的工具来分析瑞士的非劳动收入数据，发现了一个新的有趣的预测。
2022-04-05 stat.ME
Variational inference for count response semiparametric regression
当响应变量为计数（即非负整数）时，提出了贝叶斯半参数回归的快速变分近似算法。我们将Poisson和Negative Binomial族视为响应变量的模型。我们的方法利用最近开发的方法称为非共轭变分消息传递。具体来说，我们专注于广义加性混合模型，虽然我们的变分近似方法扩展到广泛的一类半参数回归模型，如那些包含相互作用和复杂的随机效应结构。
2013-09-17 stat.ME
Time-varying auto-regressive models for count time-series
计数值时间序列数据在许多应用领域中被常规地收集。我们特别有动力研究COVID-19传播引起的每日新病例的计数时间序列。我们提出了两个贝叶斯模型，一个时变半参数AR（p）模型计数，然后一个时变ING模型考虑的快速变化的蔓延。我们计算后验收缩率的贝叶斯方法相对于平均Hellinger度量。我们提出的结构的模型是服从哈密顿蒙特卡罗（HMC）采样的有效计算。我们证实了我们的方法相比，一些接近现有的方法显示出优越性的模拟。最后，我们分析了每日新确诊病例的时间序列数据，以研究其通过不同的政府干预的传播。
2021-03-09 math.ST stat.ME stat.TH
High-dimensional generalized semiparametric model for longitudinal data
本文研究了纵向数据广义半参数模型中参数个数随样本量而异时的估计问题。提出了一种惩罚型的广义估计方程方法，并用回归样条逼近非参数分量。拟议的程序涉及随机效应的后验分布的规范，无法以封闭形式进行评估。然而，可以通过使用Metropolis算法从该分布产生随机抽取来近似该后验分布。在一定的正则条件下，所得估计在高维情形下具有预言性质。仿真研究进行了评估我们所提出的方法的性能，并分析了两个真实的数据集来说明该过程。
2020-06-08 stat.CO stat.ME
A copula approach for dependence modeling in multivariate nonparametric time series
本文研究了在可能包含时间序列过去值的协变量存在的情况下，两个（或多个）时间序列的相关结构的建模问题。我们假设协变量只影响每个时间序列的条件均值和条件方差，但标准化新息的分布不受协变量的影响，并且在时间上是稳定的。联合分布的时间序列，然后确定的条件均值，条件方差和边缘分布的创新，我们估计nonparametrically，和copula的创新，它代表的依赖结构。我们考虑一个非参数以及半参数估计的基础上估计残差。我们表明，在适当的假设下，这些copula估计是渐近等价的估计，将基于未观察到的创新。通过仿真和实际数据的例子说明了理论结果。
2018-12-10 math.ST stat.ME stat.TH
Adaptive inference for a semiparametric generalized autoregressive conditional heteroskedasticity model
本文研究了半参数广义自回归条件异方差（S-GARCH）模型。对于该模型，首先用核估计估计量估计无条件方差的时变长期分量，然后用拟极大似然估计量估计GARCH型短期分量中的非时变参数.我们证明了QMLE是渐近正态的，且具有参数收敛速度。其次，我们构造了线性参数约束的拉格朗日乘子检验和模型检验的组合检验，得到了它们的渐近零分布。我们的整个统计推断过程适用于非平稳数据，具有两个重要特征：第一，我们的QMLE和两个测试是自适应的未知形式的长期组件;第二，我们的QMLE和两个测试共享相同的效率和测试功率的方差目标方法时，S-GARCH模型平稳。
2020-10-02 econ.EM stat.ME
A Semiparametric Approach to the Detection of Change-points in Volatility Dynamics of Financial Data
金融时间序列数据最重要的特征之一是波动性。随着时间的推移，波动性往往会发生结构性变化，要准确估计金融时间序列的波动性，就需要仔细确定变点。对时间序列数据的波动性进行建模的常用方法是众所周知的Gestival模型。虽然文献中已经考虑了Gesthem模型导出的波动动态的变点估计问题，但这些方法依赖于条件误差分布的参数假设，而这在金融时间序列中经常被违反。这可能导致变点检测的不准确性，从而导致不可靠的甘精胰岛素波动率估计。本文提出了一种基于半参数GARCH模型的变点检测算法。所提出的方法保留了结构的优势，同时结合了非参数条件误差分布的灵活性的Gestival过程。该方法利用了惩罚的可能性来自一个半参数的Gestival模型和一个有效的二进制分割算法。结果表明，在变化点估计和检测精度方面，半参数方法优于常用的准极大似然估计（QMLE）和其他变化的GARCH模型在广泛的场景。
2022-10-20 stat.CO stat.ME
A Wavelet Whittle estimator of the memory parameter of a non-stationary Gaussian time series
我们考虑一个具有记忆参数$d\in\mathbb{R}$的时间序列$X=\{X_k, k\in\mathbb{Z}\}$。该时间序列或者是平稳的，或者在差分有限次数之后可以变得平稳。研究记忆参数$d$的“局部Whittle小波估计”。这是一个基于小波的半参数伪似然极大方法估计量。估计量可以取决于给定的有限尺度范围，或者取决于随着样本量而变得无限大的范围。证明了当$X$是线性过程时，该估计是相合的，且是速率最优的;当$X$是高斯过程时，该估计是渐近正态的.
2008-08-18 math.ST stat.TH
A Semiparametric Bayesian Approach for Extreme Values Using Dirichlet Process Mixture of Gamma and Generalized Pareto Densities
对于极值估计，我们建议使用一个Dirichlet过程混合的伽玛密度的中心和广义帕累托密度的尾部模型。由于中心的随机性和尾部的重尾密度，高分位数的密度估计和后验推断是可能的。该方法可以在正实数上以“默认”方式使用，因为它在先验信息不可用时有效。该模型易于实现，并进行了敏感性分析。我们将所提出的模型应用于模拟和真实数据集。
2013-03-28 math.ST stat.ME stat.TH
Semiparametric marginal promotion time cure model for clustered survival data
针对含治愈比例的成组右删失生存数据，提出半参数边缘促进时间治愈模型及GEE与QIF两种估计方法，证明其渐近性质并通过模拟和牙周病数据验证QIF更优。
2025-05-14 stat.ME
Variational Inference for Count Response Semiparametric Regression: A Convex Solution
University of Technology Sydney（悉尼科技大学）
本文提出了一种基于Polya-Gamma增强和结构化均场变分贝叶斯方法的变分推断框架，用于解决计数响应半参数回归问题，实现了数值稳定且高效的模型拟合。
2026-02-24 stat.ME
Detecting multiple change-points in general causal time series using penalized quasi-likelihood
本文研究了半参数框架下的离线多变点检测问题。假设时间序列属于一大类模型，包括AR（$\infty$）、AR（$\infty$）、TAR（$\infty$）、.模型中的系数在每一个瞬间的休息改变。不同的未知参数（数量的变化，变化日期和参数的连续模型）估计使用的惩罚对比建立在条件准似然。在Lipshitzian条件下，证明了当过程的矩阶$r$满足$r\geq 2$时估计的相合性.如果是$r\geq 4$，则估计量的收敛速度与独立随机变量的情况相同。对AR（$\infty$）、AR（$\infty$）和AR（$\infty$）的特殊情况的分析表明，本文的方法明显改进了已有的结果.
2010-07-31 math.ST stat.TH
Log-average periodogram estimator of the memory parameter
本文介绍了长记忆时间序列过程记忆参数的半参数回归估计。它是基于回归的零频率的周期图平均在历元附近。所提出的估计理论上是合理的和经验的Monte Carlo调查给出的证据表明，该方法是非常有前途的估计长记忆参数。
2007-12-05 math.ST stat.TH
Seasonal fractional long-memory processes. A semiparametric estimation approach
本文利用季节性分数ARIMA模型研究了季节性时间序列的季节性和长记忆性，当季节性数据具有一个和两个季节性周期以及短记忆性对应时。建立了模型的平稳性和可逆性参数条件。为了估计记忆参数，本文将Reisen，Rodrigues和Palma（2006 a，b）给出的方法推广到具有两个季节分数长记忆参数的时间序列。通过蒙特卡罗实验，建立了该方法的渐近性质，并研究了该方法的精度.该估计器的良好性能表明，它可以是一个替代的竞争过程估计季节性长记忆时间序列数据。人工和PM10系列被认为是所提出的估计方法的应用程序的例子。
2010-11-25 stat.AP stat.CO stat.ME
Bayesian Consistency for Long Memory Processes: A Semiparametric Perspective
本文从贝叶斯半参数视角研究长记忆模型参数估计，提出推导长记忆参数后验分布的新方法并建立其渐近性质。
2024-06-18 stat.ME
Semiparametric Regression Based on Zero Altered Models
NC State University（北卡罗来纳州立大学）
该研究提出基于广义矩估计的半参数零调整模型，用于计数数据回归，兼具稳健性与灵活性，在分布误设场景下性能优于参数广义线性模型，配套R函数便于实际应用。
2026-10-12 stat.ME
Warped Dynamic Linear Models for Time Series of Counts
针对计数时间序列建模灵活性不足的问题，提出通过扭曲高斯DLM构建半参数化模型，实现共轭推断与高效预测，并在仿真与实际过量计数数据中验证了其有效性。
2023-06-06 math.ST stat.CO stat.ME
Information theoretic results for stationary time series and the Gaussian-generalized von Mises time series
本章介绍了一些新的信息理论的结果分析平稳时间序列在频域。特别地，对应于具有固定的自协方差函数的某些值的最不确定或不可预测的时间序列的谱分布是广义冯米塞斯谱分布。因此，它是一个最大熵谱分布和相应的平稳时间序列被称为广义冯米塞斯时间序列。广义冯米塞斯分布用于方向统计，用于对遵循多峰分布的平面方向进行建模。此外，高斯广义冯米塞斯时间序列作为平稳时间序列，最大化的熵在频域和时域，分别称为频谱和时间熵。简要分析了该时间序列的参数估计和计算问题。
2021-01-21 math.ST stat.TH
Semiparametric Mixed-effects Model for Longitudinal Data with Non-normal Errors
针对含非正态误差、非参数成分为加性模型的纵向数据，提出带双惩罚项的广义估计方程方法识别线性与非线性成分，结合迭代工作协方差矩阵提升估计效率，证明其神谕性质并通过数值研究验证有效性。
2024-02-02 stat.ME
Sandwich regression for accurate and robust estimation in generalized linear multilevel and longitudinal models
针对半参数多水平广义线性模型中现有估计量因协方差误设导致效率低的问题，提出三明治回归方法，从参数估计类中选取方差最小的估计量，实验验证其效果优于经典方法。
2024-12-09 stat.ME
Time Series Analysis of COVID-19 Infection Curve: A Change-Point Perspective
在本文中，我们通过分段线性趋势模型对COVID-19累计确诊病例和死亡病例的轨迹（以对数标度）进行建模。该模型通过变点自然地捕获了流行病增长率的相变，并且由于其半参数性质而进一步享有很大的可解释性。在方法论方面，我们提出了新生的自归一化（SN）技术（Shao，2010），以测试和估计非平稳时间序列线性趋势中的单个变点。我们进一步将基于SN的变点测试与NOT算法相结合（Baranowski等人，2019年），以实现多个变点估计。使用所提出的方法，我们分析了30个主要国家的COVID-19累计病例和死亡的轨迹，并发现了有趣的模式，这些模式对不同国家的大流行应对措施的有效性具有潜在的相关影响。此外，基于变点检测算法和灵活的外推函数，我们设计了一个简单的COVID-19两阶段预测方案，并展示了其在预测美国累计死亡人数方面的良好性能。
2020-07-09 econ.EM physics.soc-ph stat.AP
Semiparametric Regression Models for Explanatory Variables with Missing Data due to Detection Limit
针对检测限导致解释变量左删失的问题，提出半参数广义线性模型新方法，结合样本拆分与交叉拟合，比自助法计算效率提高450倍，提供更稳健高效的推断。
2025-07-13 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
A semiparametric approach for bivariate extreme exceedances
尾上的推论仅通过应用极值理论的结果来执行。虽然这种理论在单变量的情况下是很好的定义和足够的灵活性，多变量推理方法往往需要强加任意的约束，而不是完全合理的基础理论。相比之下，我们的方法只使用理论施加的约束。我们建立在以前的，理论上合理的工作，在一个高的，未知的阈值的边际copucances，通过结合它与灵活的，半参数copulae规格，调查极端的依赖。虽然概率判断的极端政权的所有边际变量，我们的方法正式使用完整的数据集，并允许各种模式的依赖，无论是极端与否。一个新的概率准则量化的可能性，数据表现出渐近独立的介绍和其鲁棒性的实证研究。极值分析中感兴趣的函数的估计是通过MCMC算法进行的。注意力也致力于新的极端观测的预测。我们的方法进行评估，通过一系列的模拟，应用到真实的数据集和评估对竞争的方法。证据表明，大部分的数据不偏置，并改善了极端依赖的推理过程。
2017-08-10 stat.ME
Efficient First-Order Methods for Estimating Generalized Additive Index Models
针对广义可加指标模型（GAIM）的序贯估计计算效率低的问题，提出基于基展开的梯度下降和变分不等式算法，实现同时估计，并证明收敛到稳定点，数值实验显示优于经典方法。
2026-05-27 stat.ME
Semiparametric Elliptical Mixture Clustering for High-Dimensional Data
Nankai University（南开大学）；Fujian Normal University（福建师范大学）
本文提出一种半参数椭圆混合聚类方法，用于处理高维数据中重尾且近似椭圆的分布问题，通过数据驱动规则选择聚类数量，结合变换半径估计、径向分数中心更新和Tyler-POET-GLASSO更新，实现高效鲁棒的聚类。
2026-05-09 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
Bayesian Learning of Relational Graph in Semiparametric High-dimensional Time Series
University of Florida（佛罗里达大学）；University of Maryland Baltimore County（马里兰大学巴尔的摩县分校）；North Carolina State University（北卡罗来纳州立大学）
该研究针对高维时间序列提出OUT模型，结合贝叶斯推断与MCMC算法，经模拟验证后应用于美国GDP产业分量数据的预测，实现关系图的贝叶斯学习。
2026-08-25 math.ST stat.ME stat.TH
Semiparametric regression in testicular germ cell data
从半参数的角度来看，可以用随机协变量进行回归分析，其中信息来自多个多变量来源。该方法假设一个半参数密度比模型，其中多变量分布是“回归”的参考分布。核密度估计可以结合半参数模型从许多数据源构造。该估计被证明是更有效的比传统的单样本核密度估计，其最佳带宽进行了详细讨论。每个多变量分布和相应的条件期望（回归）的利益是估计从合并数据使用所有来源。图形和定量诊断工具，建议评估模型的有效性。该方法用于量化身高和年龄对生殖细胞睾丸癌患者体重的影响。与多元回归、广义可加模型（GAM）和非参数核回归进行了比较。
2012-10-01 stat.AP stat.ME
Semiparametric Modelling of Cancer Mortality Trends in Colombia
本文比较了半参数模型与传统Poisson广义线性模型在哥伦比亚四种主要癌症死亡率趋势建模中的表现，基于AIC等指标证实半参数模型拟合更优，并揭示了不同癌症随年龄和时期的差异化趋势。
2024-08-27 stat.AP stat.ME
