Estimation of partially linear regression models under the partial consistency property

با استفاده از نتایج نظری اخیر در مدل سازی آماری با ابعاد بزرگ، یک روش انعطاف پذیر هنوز محاسباتی ساده برای تخمین مدل های خطی ارائه شده است. با توجه به پدیده سازگاری جزئی، مولفه غیر پارامتری در مدل خطی تقریبا از طریق پارامترهای حادثه ای مدل سازی شده و با یک میانگین محلی ساده بر پارتیشن های کوچک پشتیبانی از متغیرهای غیر پارامتری تخمین می شود. روش پیشنهادی کمترین مربعات به دنبال تعادل بین بار محاسبات و کارایی برآوردگرها در حالی که به حداقل رساندن تعصب مدل می رود. نشان داده شده است که با توجه به برآوردگرهای غیرمستقیم مولفه غیر پارامتری، برآوردگرهای پایه مربع ریاضی پارامترهای مولفه پارامتری می توانند با کمبود کارایی به دست آیند. علاوه بر این، براساس برآوردهای پارامتری، برآوردگر بهینه از مولفه غیر پارامتری می تواند با استفاده از روش های غیر پارامتری کلاسی بدست آید. مشکلات استنتاجی آماری در رابطه با پارامترهای پارامتری و یک مسئله تست غیر پارامتری دوگانه در مورد مولفه غیر پارامتری در نظر گرفته شده است. نتایج نشان می دهد که رفتار آمار آزمون رضایت بخش است. برای ارزیابی عملکرد روش جدید در مقایسه با سایر روش ها، سه مطالعه شبیه سازی انجام شده و داده های واقعی در مورد عوامل خطر وزنهای تولد مورد تجزیه و تحلیل قرار گرفته است.