Partially Linear Models

در ده سال گذشته، علاقه و فعالیت فزاینده ای در حوزه کلی هموارسازی رگرسیون خطی جزئی در آمار وجود داشته است. روش ها و تکنیک های زیادی پیشنهاد و مطالعه شده است. این تک نگاری امیدوار است که ارائه ای به روز از وضعیت هنر تکنیک های رگرسیون خطی جزئی ارائه دهد. تأکید بر روش‌شناسی به جای نظریه، با تمرکز ویژه بر کاربرد تکنیک‌های رگرسیون خطی جزئی برای مسائل آماری مختلف است. این مشکلات شامل رگرسیون حداقل مربعات، تخمین کارآمد مجانبی، نمونه‌گیری مجدد راه‌انداز، تجزیه و تحلیل داده‌های سانسور شده، مدل‌های خطای اندازه‌گیری خطی، مدل‌های اندازه‌گیری غیرخطی، مدل‌های سری زمانی غیرخطی و ناپارامتریک است.

In the last ten years, there has been increasing interest and activity in the general area of partially linear regression smoothing in statistics. Many methods and techniques have been proposed and studied. This monograph hopes to bring an up-to-date presentation of the state of the art of partially linear regression techniques. The emphasis is on methodologies rather than on the theory, with a particular focus on applications of partially linear regression techniques to various statistical problems. These problems include least squares regression, asymptotically efficient estimation, bootstrap resampling, censored data analysis, linear measurement error models, nonlinear measurement models, nonlinear and nonparametric time series models.