论文部分内容阅读
单指标模型是只有一个未知参数向量的半参数回归模型：E(Y｜X)=G(XTβ)常见的logistic模型、log-linear模型、probit模型等重要的统计模型都是单指标模型特殊的参数形式，它放松了参数模型中条件的限制，同时，与非参数模型相比，它又保持了线性模型的优点，把它用于统计建模，可起到降维的显著功效.对单指标模型，我们有两个主要研究问题：1．估计参数向量β2．估计联系函数G(.)，因为参数部分的收敛速度比非参数部分的快，所以若能够快速而有效的的估计出参数部分，则很容易得到联系函数G(.)的良好估计．所以研究单指标模型重点在于对β的估计，其中CarrollandFan(1997)提出的迭代算法，Peng和Huang(2011)基于此提出的改进算法均具有良好的大样本性质，这篇论文的主要目的是针对迭代算法计算量较大且对凸性要求较严格的缺点提出新的改进算法，并通过模拟计算进行对比．