1) Varying coefficient model
变系数模型
1.
A new local linear estimation method for varying coefficient models;
变系数模型中的新局部线性估计法
2.
Variable bandwidth and one step local M-estimation of varying coefficient models
变系数模型变窗宽和一步局部M-估计
3.
Componentwise estimation for varying coefficient models
变系数模型中的逐元估计法
2) varying-coefficient model
变系数模型
1.
Asymptotics of the wavelet estimation of varying-coefficient model;
变系数模型小波估计的渐近性
2.
In order to overcome the curse of dimension for the estimation of nonparametric regression function,Hastie and Tibshirani introduced the varying-coefficient model.
为了克服非参数回归函数估计的"维数祸根",Hastie和Tibshirani提出了变系数模型。
3.
The identification of the constant coefficients should be solved before a semivarying-coefficient model is used to analyze a real-world data set.
当应用半变系数模型分析数据时,应首先确定哪些系数为常值,哪些系数随因素而变化。
3) varying coefficient models
变系数模型
1.
Varying coefficient models have extremely side aplications,semivarying coefficient models are generalization of the varying-coefficient regression models.
变系数模型已经获得了广泛的应用,半变系数模型是变系数模型的有效推广,文章介绍了半变系数模型的PLS估计,给出该估计函数系数的一致收敛速度。
2.
We propose restricted locally-weighted kernel estimation for nonparametric analysis of covariance via varying coefficient models and construct related test statistic.
对于一类协方差分析模型,本文基于变系数模型的角度,提出了约束局部加权核估计方法,并构造了相应的检验统计量,给出了计算检验p-值的精确方法。
4) varying-coefficient models
变系数模型
1.
In this paper,estimations of varying-coefficient models with the correlated random errors are given by the local linear method.
在误差相关的情况下,使用局部线性方法给出变系数模型的估计,并讨论估计的渐近正态性。
2.
In this thesis, we have mainly studied several special varying- coefficient models , including the functional-coefficient partial linear models, the varying-coefficient models with AR(1) error , the varying- coefficient models withφ-mixing error .
本文主要研究了几类特殊的变系数模型,包括函数系数部分线性模型、误差是AR(1)的变系数模型、误差是φ-混合的变系数模型。
3.
According to the estimation of coefficient functions of varying-coefficient models whose error sequence {εi,1≤i≤n} is nonparametric AR(1) by Local linear method and based on this the consistency for the estimation,the coefficient functions are studied.
利用局部线性方法给出误差序列{iε,1≤i≤n}是非参数AR(1)序列下的变系数模型系数函数的估计,并在此基础上研究了系数函数估计的相合性问题,给出了该模型系数函数估计是弱相合的。
5) coefficient changng GM(1,1)model
变系数GM(1,1)模型
6) varying-coefficient Logistic model
变系数Logistic模型
1.
Based on linear Logistic model and by assuming the coefficients of the regressors to be arbitrary functions of the points in some metric space, a new type of regression model, called varying-coefficient Logistic model, was proposed.
以线性Logistic模型为基础,通过假定其中的回归变量系数是某一度量空间中点的任意函数,提出了一类有广泛应用背景的变系数Logistic模型。
补充资料：信息资源丰裕系数测度模型
该模型选择了数据库资源、专利和商标资源、图书报刊资源和视听资源作为信息资源的最基本要素。认为这四类信息资源基本上表达了信息资源的范畴和内容，并将生产这四类信息资源的能力称为信息资源的生产能力。
信息资源丰裕系数简称 值，计算公式为：
(6.4)
其中， 表示基本信息资源生产能力，计算公式为：
(6.5)
P1代表数据库数量;P2代表获得专利和商标数量;P3代表图书报刊出版数量；P4代表视听产品生产数量；M代表测度期测度范围内的人口总数。因此，R1事实上是一个国家或地区测度期测度范围内的人均生产信息资源的能力。
R2表示基本信息资源的发展潜力，计算公式为：
(6.6)
其中，S1代表信息资源的储备能力，S2代表信息资源的处理能力。S1和S2的测度公式分别为：
(6.7)
Q1代表计算机拥有量（计算机绝对数、普及率和用户数量）；Q2代表文化设施拥有量（图书馆、信息中心、档案馆、博物馆和文化馆）；Q3代表新闻设施拥有量（电台、电视台）；Q4代表娱乐设施拥有量（电影院、剧院、体育馆和电视机拥有量）；Q5代表邮电设施拥有量（邮电局网点、邮电业务量）；Q6代表通信设施拥有量（通信网点、电话机拥有量）。
(6.8)
T1代表测度范围内的识字人数（或识字率）；T2代表中小学、高等教育在校人数（或教育机构普及率）；T3代表科研人员数（或科研机构普及率）；T4代表政府部门人数；T5代表咨询机构人数。
信息资源丰裕系数简称 值，计算公式为：
(6.4)
其中， 表示基本信息资源生产能力，计算公式为：
(6.5)
P1代表数据库数量;P2代表获得专利和商标数量;P3代表图书报刊出版数量；P4代表视听产品生产数量；M代表测度期测度范围内的人口总数。因此，R1事实上是一个国家或地区测度期测度范围内的人均生产信息资源的能力。
R2表示基本信息资源的发展潜力，计算公式为：
(6.6)
其中，S1代表信息资源的储备能力，S2代表信息资源的处理能力。S1和S2的测度公式分别为：
(6.7)
Q1代表计算机拥有量（计算机绝对数、普及率和用户数量）；Q2代表文化设施拥有量（图书馆、信息中心、档案馆、博物馆和文化馆）；Q3代表新闻设施拥有量（电台、电视台）；Q4代表娱乐设施拥有量（电影院、剧院、体育馆和电视机拥有量）；Q5代表邮电设施拥有量（邮电局网点、邮电业务量）；Q6代表通信设施拥有量（通信网点、电话机拥有量）。
(6.8)
T1代表测度范围内的识字人数（或识字率）；T2代表中小学、高等教育在校人数（或教育机构普及率）；T3代表科研人员数（或科研机构普及率）；T4代表政府部门人数；T5代表咨询机构人数。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条