• 论文 • 上一篇    下一篇

基于线性模型平均估计的置信区间

王苗苗   

  1. 北京中医药大学中药学院, 北京 100102;中国科学院大学数 学科学学院,北京 100049; 中国科学院数学与系统科学研究院,北京 100190
  • 出版日期:2020-10-25 发布日期:2020-11-16

王苗苗. 基于线性模型平均估计的置信区间[J]. 系统科学与数学, 2020, 40(10): 1866-1881.

WANG Miaomiao. Confidence Interval Based on Model Average Estimator for Linear Regression[J]. Journal of Systems Science and Mathematical Sciences, 2020, 40(10): 1866-1881.

Confidence Interval Based on Model Average Estimator for Linear Regression

WANG Miaomiao   

  1. School of Chinese Materia Medica, Beijing University of Chinese Medicine, Beijing 100102; School of Mathematical Sciences, University of Chinese Academy of Sciences, Beijing 100049; Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100190
  • Online:2020-10-25 Published:2020-11-16

已有的关于模型平均估计渐近分布理论的研究多是基于局部误设定的 假设, Hjort和Claeskens (2003)是其中最著名的文章之一. 虽然利用局部误设定 的假设可以证明模型平均估计渐近分布理论, 但是 ~Raftery~和~Zheng (2003)等对此假设提出了不合理性质疑和解释. 文章研究Hjort和Claeskens (2003)中的置信区间估计方法. 证明了在一般参 数设定下, 虽然Hjort和Claeskens (2003)中的渐近分布理论不一定成立, 但是关于不确定参数的线性函数的置信区间在正态分布误差、线性回归模 型下是有效的, 即置信区间的覆盖率趋于预设定的名义水平. 文章通过模拟研究进一步验证了理论结果.

Most investigations on statistical inferences based on model averaging estimators have been conducted under the local misspecification assumption. Hjort and Claeskens (2003) is one of the most famous articles. However, although the local misspecification assumption provides a suitable framework for studying the asymptotic properties of frequentist model averaging estimators, Raftery and Zheng (2003) have raised doubts and explanations for this assumption. In this paper, we study the confidence interval estimation methods in Hjort and Claeskens (2003). It is proved that under general fixed parameter setup, although the asymptotic distribution theory in Hjort and Claeskens (2003) is not necessarily true, the confidence interval construction method for linear functions of uncertain parameters is still asymptotically valid in linear regression with normally distributed error. This means that the coverage probability of the confidence interval tends to the nominal level. Our simulation results support the theoretical conclusion.

()
[1] 宗先鹏, 王彤彤. 大规模数据下子抽样模型平均估计理论[J]. 系统科学与数学, 2022, 42(1): 109-132.
[2] 吕丽, 金百锁. 线性模型中多变点的置信区间估计[J]. 系统科学与数学, 2021, 41(8): 2310-2326.
[3] 廖军, 文丽, 尹建鑫. 高阶空间自回归模型的选择与平均估计[J]. 系统科学与数学, 2021, 41(5): 1400-1417.
[4] 乔鸽, 周建红, 李新民. 广义线性模型下模型平均的比较研究[J]. 系统科学与数学, 2021, 41(4): 1164-1180.
[5] 王钰,赵晓艳,杨杏丽,李济洪. 基于$K$折交叉验证Beta分布的AUC度量的置信区间[J]. 系统科学与数学, 2020, 40(9): 1564-1577.
[6] 陈心杰,赵志豪.  高维纵向数据的模型平均估计[J]. 系统科学与数学, 2020, 40(7): 1297-1324.
[7] 高研,周建红,王海涛,张焕焕. 基于Jackknife模型平均方法的中国港口集装箱吞吐量预测[J]. 系统科学与数学, 2020, 40(4): 729-737.
[8] 朱容,邹国华,张新雨. 部分函数线性模型的模型平均方法[J]. 系统科学与数学, 2018, 38(7): 777-800.
[9] 王维维,张齐,李新民.  广义矩估计模型平均[J]. 系统科学与数学, 2018, 38(7): 801-812.
[10] 陈全润,杨翠红.  河南省粮食产量预测方法研究[J]. 系统科学与数学, 2018, 38(7): 813-822.
[11] 文丽,卢灿昭. 基于区域房价的空间自回归模型平均[J]. 系统科学与数学, 2018, 38(7): 830-840.
[12] 喻达磊,饶炜东,尹潇潇. 岭回归中基于广义交叉核实法的最优模型平均估计[J]. 系统科学与数学, 2018, 38(6): 652-661.
[13] 孙志猛,马倩雯,李潇宁. 网络结构数据空间回归模型的平均估计[J]. 系统科学与数学, 2018, 38(6): 662-678.
[14] 周建红,赵尚威. 高维泊松回归的模型平均方法[J]. 系统科学与数学, 2018, 38(6): 679-687.
[15] 季琳琳,廖军,宗先鹏. 异方差线性测量误差模型的平均估计[J]. 系统科学与数学, 2018, 38(6): 688-701.
阅读次数
全文


摘要