半参数回归模型是统计学中重要的模型之一, 它在工程技术、计量经济学和生物医学等领域有广泛的应用。关于该模型统计推断理论和方法的研究是国际统计学领域研究的前沿课题和重要课题。在实际生活中常常会遇到各种高维数据, 对高维数据的统计分析与建模是统计学研究的难题。半参数部分线性模型是一种降维模型; 它既含有参数分量, 又含有非参数分量, 是对高维数据建模的一类重要模型。由于模型和数据的复杂性, 给所研究的问题带来一些困难。本书研究了半参数部分线性模型的统计推断理论和方法。在多种复杂数据下, 研究了该模型的参数分量以及非参数分量的经验似然推断问题和模型估计方法问题, 创造性地解决一些有难度的问题。
程素丽，女，河北张家口人。福建师范大学统计学博士，现任重庆工商大学数学与统计学院讲师，硕士生导师。主要研究领域为非参数统计和空间统计。主持、参与多项国家自然科学基金项目、省部级项目，在国内外知名期刊发表多篇学术论文。
第1章 绪论
1.1 模型介绍
1.2 数据集
1.3 估计方法
1.4 主要内容及结构
第2章 纵向数据下部分线性变系数模型的经验似然估计
2.1 引言
2.2 参数分量的经验似然估计
2.3 非参数分量的经验似然估计
2.4 数值模拟
2.5 引理及定理的证明
第3章 测量误差数据下纵向部分线性变系数模型的经验似然估计
3.1 引言
3.2 参数分量的经验似然估计
3.3 非参数分量的经验似然估计
3.4 数值模拟
3.5 引理及定理的证明
第4章 缺失数据下部分线性变系数模型的经验似然估计
4.1 引言
4.2 基于调整的经验似然推断
4.3 基于借补值的经验似然推断
4.4 数值模拟
4.5 引理及定理的证明
第5章 部分线性单指标空间自回归模型的GMM估计
5.1 引言
5.2 模型介绍和估计
5.3 估计量的大样本性质
5.4 数值模拟
5.5 实例分析
5.6 引理及定理的证明
第6章 部分线性单指标空间误差回归模型的GMM估计
6.1 引言
6.2 模型介绍和估计
6.3 估计量的大样本性质
6.4 数值模拟
6.5 实例分析
6.6 引理及定理的证明
第7章 部分线性可加空间自回归模型的GMM估计
7.1 引言
7.2 模型介绍和估计
7.3 估计量的大样本性质
7.4 数值模拟
7.5 实例分析
7.6 引理及定理的证明
第8章 部分线性可加空间误差回归模型的GMM估计
8.1 引言
8.2 模型介绍和估计
8.3 估计量的大样本性质
8.4 数值模拟
8.5 实例分析
书单推荐
