论文部分内容阅读
广义可加部分线性模型由广义线性模型衍生而来,在其基础上,增加了可加非线性部分,这使得广义可加部分线性模型具备了非参数模型和参数模型的优点.广义可加部分线性模型既具备处理离散型数据的能力,如处理计数数据和属性数据等,又可以通过对非参数部分的处理,增强数据信息的利用,进而在实际的运用时,使预测更加准确.在处理纵向数据时,广义可加部分线性模型同样也具有相应的广义估计方程.纵向数据经常出现在经济学、社会学和医药研究等方面.伴随着大数据的时代的到来,纵向数据的结构也变得复杂,维度也相应的增加,甚至是高维的,这就产生了所谓的“维数祸根”.在普通的回归模型下,一般情况研究是在样本容量趋于无穷,协变量维度固定的条件下进行的.因此研究维数发散的纵向数据具有一定学术价值. 本文对样本容量n→∞,协变量维度m发散的Logistic可加部分线性纵向数据模型,通过拓扑同胚定理、样条函数、李雅普诺夫中心极限定理和中值定理等方法,在较弱的条件下证明了其广义估计方程估计的渐近存在性,相合性和渐近正态性.改进了文献中的相应结果.