Estimation of the Error Density in a Semiparametric Transformation Model
考虑半参数变换模型$Λ_{θ_o}(Y)=m(X)+ε$，其中$θ_o$是未知的有限维参数，函数$Λ_{θ_o}$和$m$是光滑的，$ε$独立于$X$，并且$\esp(ε)=0$。我们提出了误差密度的核型估计$ε$，并证明了它的渐近正态性。估计误差，这是在这个估计的基础上，从$θ_o$的轮廓似然估计和$m$的非参数核估计。在模拟研究中，建议的密度估计的实际性能进行评估。
2011-10-09 math.ST stat.TH
Smoothing Spline Semiparametric Density Models
密度估计在统计学和机器学习的许多领域中起着基础作用。文献中提出了参数、非参数和半参数密度估计方法。半参数密度模型在结合领域知识和关于密度函数形状的不确定性方面是灵活的。现有的文献半参数密度模型是分散的，缺乏一个系统的框架。在本文中，我们考虑了一个统一的框架的基础上再生核希尔伯特空间的建模，估计，计算和理论。我们提出了一般的半参数密度模型的单样本和多个样本，其中包括许多现有的半参数密度模型的特殊情况。在不同的情况下，我们发展了基于惩罚似然的估计方法和计算方法。我们建立了联合一致性，并获得收敛速度的有限维欧氏参数和无限维函数参数的估计。我们验证我们的估计方法经验，通过模拟和应用程序。
2019-01-10 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 estimation of mutual information and related criteria : optimal test of independence
我们推导出独立性测试依赖措施阈值在半参数的上下文中。准确地说，通过φ-发散的对偶表示，得到了与联合分布及其边际的乘积分布之间的φ-发散相关联的φ-互信息的估计。建立了估计的渐近性质，包括相合性、渐近分布和大偏差原理。通过相对渐近Bahadur有效性和数值模拟比较了所得到的独立性检验。因此，本文提出的半参数Kullback-Leibler互信息检验是最优的。另一方面，该方法提供了一种新的方法估计Kullback-Leibler互信息在半参数设置，以及一个大类的依赖模型，包括半参数Copula的模型选择过程。
2015-08-19 math.ST stat.TH
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
Pseudo full likelihood estimation for prospective survival analysis with a general semiparametric shared frailty model: asymptotic theory
在这项工作中，我们提出了一个简单的估计程序的一般脆弱性模型分析的前瞻性相关故障时间。早期的工作表明，这种方法在模拟研究中表现良好。在这里，我们提供了严格的大样本理论的建议估计的回归系数向量和相关参数，包括一致的方差估计。
2006-02-12 math.ST stat.TH
A note on critical dimensions in profile semiparametric estimation
本文补充了Andresen et. al“Critical dimension in profile semiparametric estimation”（2014）on profile estimators in semiparametric models.我们提出两个例子。一个说明了光滑约束的期望值的对比度功能，用于定义的配置文件M-估计是必要的界限得出的临界比率的尺寸样本量。第二个表明，在目标尺寸是成比例的情况下，Fisher型结果的临界比率保持不变，而Wilks现象，它是乘以平方根的全尺寸，就像在上界在Andresen等。al（2014）.
2014-10-17 math.ST stat.TH
Wavelet-based estimation in a semiparametric regression model
在本文中，我们介绍了一种基于小波的方法估计的EDR空间李的半参数回归模型实现降维。该方法是通过对条件期望的协方差阵中的密度函数和回归函数进行线性小波估计而得到的，条件期望的谱分析给出了EDR方向。然后，所提出的估计的一致性证明。一个模拟研究，允许一个评估性能的建议与现有的方法相比。
2020-05-01 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
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
Center-Outward R-Estimation for Semiparametric VARMA Models
对于新息密度起冗余参数作用的半参数VARMA模型，提出了一类新的R-估计。我们的估计是基于多变量中心向外的行列和标志的新概念。我们表明，这些概念，结合乐凸轮的渐近理论的统计实验，产生一类半参数估计程序，这是有效的（在给定的参考密度），根$n$一致的，和渐近正常下广泛的类（可能非椭圆）的实际创新密度。不需要核密度估计来实现我们的过程。我们的R-估计和其他竞争对手的蒙特卡罗比较研究表明，在大样本和小样本的新方法的好处。证明，计算方面，和进一步的数值结果可在补充材料。
2020-07-11 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
Semiparametric posterior limits
我们回顾了Bickel and Kleijn（2012）和Kleijn and Knapik（2013）之后的贝叶斯半参数推断理论。在概述了参数和半参数估计问题的效率之后，我们考虑Bernstein-von Mises定理（参见，例如，Le Cam和Yang（1990）），并将其推广到（LAN）正则和（LAE）非正则半参数估计问题。我们提出了一个不依赖于最不利子模型的半参数Bernstein-von Mises定理，从而绕过了Bickel和Kleijn（2012）中最严格的条件。结果被施加到（定期）估计的线性系数在部分线性回归（高斯滋扰先验）和正常的位置混合物（狄利克雷滋扰先验）的模型中的内核带宽，以及（不规则）估计的边界的支持的单调的密度家族（高斯滋扰先验）。
2013-05-21 math.ST stat.TH
Semiparametric tail-index estimation for randomly right-truncated heavy-tailed data
当处理截断分布的参数信息时，截断数据分布函数的半参数估计（Wang，1989）比非参数估计更有效。在此基础上，给出了随机右截断Pareto型分布尾指数的估计量，并证明了其相合性和渐近正态性.通过仿真研究，证明了该估计器的有限样本行为。我们指出，在偏差和均方误差的根，我们的估计比那些基于非参数估计方法。最后给出了一个艾滋病发病诱导时间的实际数据集的应用。
2021-06-02 math.ST stat.TH
Semiparametric Estimation for the Transformation Model with Length-Biased Data and Covariate Measurement Error
左截断或长度有偏抽样引起的样本有偏生存数据的分析受到了广泛的关注。针对各种生存模型，已经开发了许多推理方法。然而，当生存数据通常被错误污染时，这些方法就失效了。虽然在实践中经常出现易出错的生存数据，但在文献中很少有工作可用于处理具有测量误差的长度偏倚数据。在生存分析中，转换模型是最常用的模型之一。然而，分析具有这些复杂特征的转换模型的方法尚未被充分探索。在本文中，我们研究了这一重要问题，并开发了一个有效的推理方法下的转换模型。我们建立渐近结果的估计。该方法不需要指定协变量的分布和变换模型中的增函数，具有很好的实用性。数值研究报告，以评估所提出的方法的性能。
2018-12-27 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 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
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
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
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
Critical dimension in profile semiparametric estimation
本文回顾了半参数估计问题中剖面拟极大似然估计（剖面MLE）的经典推论结果。我们主要集中在两个突出的定理：Wilks现象和Fisher展开的配置文件MLE在一个新的方式允许有限的样本和模型误设定。研究的方法也本质上不同于通常的半参数问题的最难参数子模型的概念的基础上的分析。相反，我们推导出有限样本偏差界的线性逼近误差的梯度的对数似然。这种新颖的方法特别允许解决有效目标和滋扰维度的重要问题。得到的非渐近结果是令人惊讶的尖锐，并产生经典的渐近陈述，包括渐近正态性和效率的轮廓MLE。一般的结果是指定的重要特殊情况下的i.i.d.样本，并以单指数模型为例进行了分析。
2014-06-17 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
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
ROSE Random Forests for Robust Semiparametric Efficient Estimation
针对半参数有效估计在实践中难以实现的问题，提出ROSE随机森林估计器，通过估计最优权重实现稳健半参数效率，在模拟和真实数据上验证了有效性。
2024-12-17 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
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
Semiparametric Estimation of Optimal Dividend Barrier for Spectrally Negative Lévy Process
讨论了当盈余过程服从Lévy保险风险过程时，最优红利边界的统计估计问题.最优股利边界被定义为使破产前所有股利支付的现值期望最大化的边界水平。在本文中，所有股息支付的期望现值的估计是基于“准过程”，其中样本路径是由Lévy保险风险过程的样本路径的洗牌增量产生的。证明了最优红利边界估计的相合性。此外，我们的方法进行了检查数值的情况下，复合泊松风险模型的干扰扩散。
2022-09-13 math.ST stat.TH
Moment Consistency of the Exchangeably Weighted Bootstrap for Semiparametric M-Estimation
Bootstrap方差估计在半参数推断中有着广泛的应用。然而，它的理论有效性是一个众所周知的开放问题。本文对半参数模型中的Bootstrap矩估计进行了{ \em first}理论研究。具体地说，我们建立了欧几里德参数的自举矩的一致性，它直接意味着$t$型自举置信集的一致性。值得指出的是，与分布一致性相比，实现自举矩一致性的唯一额外代价是简单地将后者所需的$L_1$极大不等式条件加强为$p\geq 1$的$L_p$极大不等式条件。本文建立的一般$L_p$乘子不等式也是独立的.这些一般结论适用于具有可交换自举权重的自举方法，例如，非参数bootstrap和贝叶斯bootstrap。我们的一般理论在著名的Cox回归模型中得到了说明。
2014-09-21 math.ST stat.TH
Semiparametric Estimation for Cure Survival Model with Left-Truncated and Right-Censored Data and Covariate Measurement Error
本文主要讨论具有生存数据的治愈模型。与通常的右删失生存数据不同，我们在协变量中加入了左截断和测量误差的特征。一般来说，左截断会导致生存分析中的样本有偏，协变量的测量误差如果处理不当，可能会导致巨大的偏差。为了应对这些挑战，我们提出了一种灵活的方法来分析左截断生存数据和校正协变量中的测量误差。本文还建立了理论结果。
2018-12-28 math.ST stat.TH
Semiparametric posterior limits under local asymptotic exponentiality
考虑显示局部渐近指数性的半参数模型（Algimov和Has'minskii（1981）），这是与密度不连续性相关的似然性的渐近性质。我们的兴趣去估计这样的不连续性的位置，而其他方面的密度形成一个冗余参数。结果表明，在一定的模型和先验条件下，后验分布具有Bernstein-vonMises型渐近行为，极限序列为指数分布.与常规设置相反，在这种形式的不规则性下，最大似然估计是低效的。然而，基于极限后验分布的贝叶斯点估计获得了极大极小风险。因此，后验的限制行为被用来提倡贝叶斯点估计的效率，而不是将其与基于最大似然估计的频率估计程序进行比较。结果被施加到半参数LAE位置和缩放的例子。
2013-12-18 math.ST stat.TH
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
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
Semiparametric density estimation by local L_2-fitting
本文通过结合参数方法和非参数因子来研究密度估计。插入式参数估计量被视为真密度的粗略估计量，并通过非参数因子进行调整。非参数因子由局部L_2拟合准则导出。给出了一类具有乘性调整的估计，包括一些作者作为特例提出的估计，并给出了渐近理论。理论比较表明，在这类估计优于，或至少有竞争力的，传统的核估计在广泛的一类密度。这类估计的渐近最佳估计量可以从偏置函数的优美特征中得到。
2004-06-25 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
Semiparametric Estimation of Long-Term Treatment Effects
本文提出结合实验短期结果与观测性短期、长期测量的半参数方法，刻画效率界并构建估计量，以估计长期处理效应，并通过扶贫项目校准模拟验证其有限样本表现。
2023-08-17 econ.EM math.ST stat.TH
Semiparametric transformation model for competing risks data with cure fraction
我们提出了一种新的方法来分析竞争风险数据与长期生存。所提出的方法使我们能够同时估计总体生存概率和治愈分数。我们用线性变换模型来表示协变量对累积发生率函数的影响。建立了基于计数过程的回归系数估计方程。利用鞅理论研究了估计量的渐近性质。一个广泛的蒙特卡罗模拟研究进行评估有限样本的估计性能。最后，我们使用一个真实的数据集来说明我们的方法。
2022-04-27 math.ST stat.ME stat.TH
Doubly robust estimation of average treatment effect revisited
本文所描述的研究是通过对估计的倾向评分和结果回归的所有可能组合之间的渐近有效性进行系统的比较来重新访问经典的平均治疗效果的双稳健估计。为此，我们考虑所有九个组合下，分别为参数，非参数和半参数结构。这些比较提供了关于何时以及如何在实践中有效利用模型结构的有用信息。此外，当存在模型误设时，无论是倾向得分还是结果回归，我们也给出了相应的比较。观察到三种现象。首先，当所有模型都被正确指定时，任何组合都可以达到相同的半参数有效界，这与某些组合的现有结果一致。其次，当倾向得分被正确建模和估计，但结果回归被错误指定参数或半参数时，渐近方差总是大于或等于半参数效率界。第三，相反，当倾向分数被错误地参数化或半参数化时，虽然结果回归被正确地建模和估计，但渐近方差不一定大于半参数效率界。在某些情况下，会出现“超效率”现象。我们还进行了一个小的数值研究。
2020-05-29 math.ST stat.TH
Semiparametric estimation of volatility functions of diffusion processes from discretely observed data
本文给出了一个估计波动率状态的半参数模型，定义波动率为随机微分方程的平方扩散系数。在不假设波动率函数的任何函数形式的情况下，我们将波动率状态视为状态空间模型中的不可观测状态，并通过滤波来估计它。通过使用估计，我们可以得出关于波动率在过程的可观察状态后面具有什么样的函数的信息。我们还证明了该模型的一致性，在这个意义上，估计的状态收敛到真实的观察时间间隔为零。此外，从数值的角度来看，我们进行了数值实验的例子随机微分方程的线性/非线性波动函数，以检查是否可以实际估计的波动率和捕获的信息，其功能形式。
2007-07-18 math.ST stat.TH
Extending the rank likelihood for semiparametric copula estimation
许多领域的定量研究涉及不同类型的多变量数据的分析，包括我们可能认为是二进制，有序和连续的测量。分析这种混合数据的一种方法是使用copula模型，其中变量之间的关联与它们的单变量边缘分布分开参数化。本文的目的是通过构造关联参数的边缘集似然函数来提供copula模型的半参数推断方法。所提出的推断方法可以被看作是边际似然估计的推广，其中对感兴趣的参数的推断是基于其采样分布不是任何冗余参数的函数的汇总统计量。在Copula估计的背景下，边缘集似然是一个函数的关联参数，其适用性不依赖于任何假设的边缘分布的数据，从而使它适合于分析混合连续和离散数据与任意的利润。高斯copula的参数的估计和推断是通过一个简单的马尔可夫链蒙特卡罗算法的基础上吉布斯抽样。
2007-03-11 math.ST stat.TH
New efficient estimation and variable selection methods for semiparametric varying-coefficient partially linear models
半参数模型的复杂性给实际应用中经常出现的统计推断和模型选择带来了新的挑战。在这项工作中，我们提出了新的半参数变系数部分线性模型的估计和变量选择程序。本文首先研究了非参数变系数函数和参数回归系数的分位数回归估计。为了达到良好的效率特性，我们进一步发展了一个半参数复合分位数回归程序。我们建立了参数和非参数部分的估计的渐近正态性，并表明估计达到最佳的收敛速度。此外，我们表明，该方法是更有效的比基于最小二乘的方法，许多非正态误差，它只失去了少量的效率为正常的错误。此外，它示出的效率损失是最多11.1%，估计变系数函数和不大于13.6%，估计参数分量。为了实现高维协变量的稀疏性，提出了半参数变系数部分线性模型中变量选择的自适应惩罚方法，并证明了该方法具有预言性质.进行了广泛的Monte Carlo模拟研究，以检查所提出的程序的有限样本性能。最后，我们应用新的方法来分析血浆β-胡萝卜素水平的数据。
2011-03-08 math.ST stat.TH
Tests for validity of the semiparametric heteroskedastic transformation model
有许多检验用于评估非参数异方差位置尺度假设。在这里，我们考虑一个更一般的假设下，这个模型的有效性的响应变量的参数函数变换的拟合优度检验。具体来说，我们考虑在模型中测试回归量和误差之间的独立性，其中转换后的响应只是误差的位置/尺度偏移。我们的准则使用了协变量的联合特征函数在独立性下的因子分解性质。困难的是，错误是不可观察的，因此需要采用适当的估计残差在他们的位置。本文研究了检验统计量在原假设和备择假设下的极限分布，并提出了一种近似检验的临界值的修正方法。随后，在一系列的Monte Carlo实验，说明新的测试的有限样本特性，这rescue。我们还研究了相关的检验统计量的正态性和对称性的错误的性能，并将我们的方法应用于实际数据集。
2019-01-09 math.ST stat.TH
Semiparametric M-estimation with overparameterized neural networks
本文提出了一个利用过参数化神经网络的半参数M-估计基础框架，解决了DNNs中切空间退化问题，保证全局收敛，并在不假设网络输出有界的情况下建立了算法估计量的非参数收敛性与参数渐近正态性。
2025-04-27 math.ST stat.TH
Efficient semiparametric estimation in generalized partially linear additive models for longitudinal/clustered data
考虑了当多个协变量需要非参数建模时，纵向/聚类数据广义部分线性可加模型中欧氏参数的有效估计，并提出了一种基于模型非参数部分的样条逼近和广义估计方程（GEE）的估计方法.虽然考虑的模型是自然的，在许多实际应用中是有用的，这个模型的文献是非常有限的，因为在处理非参数加性模型的相关数据的挑战。我们证明了，即使协方差结构是错误的，所提出的估计是一致的和渐近正态的。还提供了渐近方差的显式相合估计。在一般矩条件下，我们还得到了半参数有效值和信息界。通过证明我们的估计达到了半参数信息界，我们有效地建立了他们的效率在更强的意义上比通常认为的GEE。我们的渐近结果的推导在很大程度上依赖于我们开发的纵向/聚类数据的经验过程工具。数值结果被用来说明所提出的估计的有限样本性能。
2014-02-04 math.ST stat.TH
A Bernstein-von Mises theorem for smooth functionals in semiparametric models
对一般的半参数泛函导出了Bernstein-vonMises定理。结果被应用到各种半参数问题的独立同分布。和非I.I.D. situations.特别是，开发了新的工具来处理半参数偏差，特别是对于非线性泛函和正则性可能较低的情况。例子包括高斯白噪声中的平方$L^2$范数、密度估计中的非线性泛函以及自回归模型中的泛函。对于密度估计，系统地研究了两类重要先验的BvM结果，即随机直方图和高斯过程先验。
2015-11-17 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
Efficient estimation of copula-based semiparametric Markov models
本文研究了基于Copula函数的半参数严格平稳Markov模型的有效估计。这些模型的特点是非参数不变（一维边际）分布和参数二元Copula函数，其中Copula函数捕获的时间依赖性和尾部依赖的过程。通过尾相关Copula生成的马尔可夫过程可能看起来非常持久，并且在金融和经济应用中非常有用。我们首先证明了由Clayton，Gumbel和Student的$t$ copula及其生存copula生成的Markov过程都是几何遍历的.然后，我们提出了一个筛极大似然估计（MLE）的copula参数，不变分布和条件分位数。证明了光滑泛函的筛极大似然估计是根$n$相容的、渐近正态的和有效的，其筛似然比似然比统计量是渐近卡方分布的.蒙特卡洛研究表明，即使是通过尾依赖Copula和肥尾边缘生成的马尔可夫模型，我们的筛MLE表现得非常好。
2009-11-20 math.ST stat.TH
Simultaneous variable selection and estimation in semiparametric modeling of longitudinal/clustered data
研究了纵向/聚类数据的部分线性模型中的同时变量选择和估计问题。我们提出了一个估计程序，通过多项式样条估计的非参数成分，并应用适当的罚函数，以实现稀疏的线性部分。在合理的条件下，我们得到了线性分量估计的渐近正态性和非参数分量估计的相合性。我们进一步证明了，通过适当地选择正则化参数，非零系数的惩罚估计具有渐近预言性质。有限样本的惩罚估计的行为进行了评估与模拟研究，并说明了纵向CD 4细胞计数数据集。
2013-02-01 math.ST stat.TH
Semiparametric estimation for isotropic max-stable space-time processes
有规律变化的时空过程已被证明是有用的研究极端依赖的时空数据。我们提出了一个半参数估计过程的基础上的极值封闭形式的表达式来估计参数模型的极值依赖函数。我们建立了参数估计的渐近性质，并提出了子抽样程序，以获得渐近正确的置信区间。仿真研究表明，所提出的方法适用于中等样本量，是强大的小偏离的基础模型。最后，我们应用此估计程序，在佛罗里达州的一个地区的雷达降雨测量拟合的最大稳定的过程。补充结果和一些关键结果的证明，并在补充的模拟研究。
2018-07-15 math.ST stat.ME stat.TH
Bayesian approaches to non- and semiparametric density estimation [with a rejoinder to my discussants]
University of Oslo（奥斯陆大学）
本文提出并讨论了非参数和半参数密度估计的几种贝叶斯方法，包括基于Dirichlet过程的非参数先验、正交基函数的加性展开以及局部参数形式的局部似然函数。
2026-04-22 math.ST stat.TH
Semiparametric Fisher Information in Models parametrized by a Normed Space
University of the Basque Country（巴斯克大学）
本文研究了在规范空间参数化模型中半参数信息的性质，提出正半参数信息等价于参数梯度在共轭分数算子范围内的结论，扩展了Van Der Vaart(1991)定理，并统一了可微性与信息的框架，解决了两个经典问题的估计条件。
2026-04-01 math.ST stat.TH
Maximum pseudo-likelihood estimation based on estimated residuals in copula semiparametric models
本文讨论的情况下，当一个人感兴趣的依赖结构的多维响应变量中存在的多元协变量。假设协变量通过回归模型只影响边缘分布，而由copula描述的相关结构不受影响。讨论了Copula函数的参数估计，重点讨论了最大伪似然方法。证明了在适当的正则性假设下，由残差计算的估计量与基于不可观测误差的估计量是渐近等价的。在这种情况下，可以忽略响应首先针对协变量的影响进行调整的事实。蒙特卡洛模拟研究探讨了（除其他外）不满足规律性假设且声称的结果不成立的情况。结果表明，在这种情况下，最大伪似然估计可能表现不佳，Copula参数的矩估计是感兴趣的。我们的结果补充了Copula函数的非参数估计的结果。
2019-03-11 math.ST stat.TH
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
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
Two likelihood-based semiparametric estimation methods for panel count data with covariates
本文考虑了半参数回归模型中具有"面板计数“数据的计数过程均值的估计。基本模型假设是计数过程的条件均值函数的形式为$E\{\mathbb{N}(t)|Z\}=\exp(β_0^TZ)Λ_0(t)$，其中$Z$是协变量向量，$Λ_0$是基线均值函数。"面板计数“观察方案涉及在随机数$K$的随机时间点观察个体的计数过程$\mathbb{N}$;这些时间点的数量和位置可能因个体而异。研究了基于非齐次泊松过程假设的未知参数$(β_0,Λ_0)$的半参数极大似然估计和极大似然估计。伪似然估计量相当容易计算，而最大似然估计量从计算的角度来看带来了更多的挑战。我们研究的渐近性质，这两个估计假设的比例平均模型成立，但下降的泊松过程的假设，用于推导估计。特别是，我们建立了渐近正态性的回归参数$β_0$的估计在适当的假设。结果表明，我们的估计程序是强大的，在这个意义上说，估计收敛到真理，无论潜在的计数过程。
2007-12-05 math.ST stat.TH
