成组数据下加速失效模型的光滑估计

对成组数据下加速失效模型的回归参数提出一种光滑估计方法.设计一种重抽样方法估计渐近协方差阵,并进行了数值模拟计算.结果表明,在一定条件下,所提出的估计量是相合的且具有渐近正态性.     

对数随机系数自回归模型AR(1)参数矩估计的渐近正态性

在已知对数随机系数自回归时序模型AR(1)的参数矩估计及其相容性的基础上,通过对其协方差函数渐近性质的研究,证明了该矩估计的渐近正态性.     

光滑两值响应模型的随机加权方法（英文）

光滑计分估计在一定的正则条件下具有n相合性及渐近正态性.然而由于渐近方差包含了与未知误差分布有关的未知函数参数而很难被精确估计.这里提出了用随机加权的方法估计极大光滑计分估计的渐近方差,并从理论证明和计算机模拟两方面证明了所提出的估计具有相合性和渐近正态性.     

响应数据缺失下一般线性复合分位数光滑经验似然估计

由于分位数回归模型的损失函数不光滑,所得参数估计的效率不高,为提高参数估计的效率,首先提出复合分位数光滑经验对数似然比,包括完全数据复合分位数光滑经验对数似然比、加权复合分位数光滑经验对数似然比和插值复合分位数光滑经验对数似然比,并在一定条件下证明了它们都是服从渐近卡方分布的.其次,根据该似然比构造了回归参数的置信区间,并证明了复合分位数光滑经验似然估计量是渐近正态的.最后,通过数值模拟实验说明了所得估计的有效性.     

时空加权回归模型局部线性估计的渐近性质

在模型分析中,对未知参数的估计及其相关性质的研究甚为重要。首先通过假定时空加权回归模型的回归系数是时空位置的函数,给出了时空加权回归模型的一种局部线性估计方法。其次,在假设I~V及引理1下,研究了由此估计方法得到的第p个系数函数估计量所具有的渐近条件性质。最后,证明了第p个系数函数估计量的渐近条件偏差和渐近条件方差。结果表明该估计具有良好的表现。     

时空加权回归模型局部线性估计的渐近性质

在模型分析中,对未知参数的估计及其相关性质的研究甚为重要。首先通过假定时空加权回归模型的回归系数是时空位置的函数,给出了时空加权回归模型的一种局部线性估计方法。其次,在假设I~V及引理1下,研究了由此估计方法得到的第p个系数函数估计量所具有的渐近条件性质。最后,证明了第p个系数函数估计量的渐近条件偏差和渐近条件方差。结果表明该估计具有良好的表现。
     

协变量缺失下变系数模型基于经验似然的加权分位数回归

在部分协变量随机缺失的变系数分位数回归模型中,提出回归参数的逆概率加权估计和基于经验似然的加权估计,并讨论了这两种估计的大样本性质.从渐近方差可见,基于经验似然的加权估计效率高于逆概率加权估计.     

缺失数据下非参数回归估计

在缺失响应变量的不完全数据下,利用局部线性回归的方法,给出了回归函数m(x)的估计的加权估计,并证明了估计量具有渐近正态性、均方误差(MSE)和相合性.模拟研究解释了估计量的有限样本性质,并得出了此估计量优越于完整数据估计和加权估计.     

响应变量缺失下加权复合分位数回归估计

目的讨论响应变量随机缺失下复合线性分位数回归模型的估计和渐近性质。方法逆概率加权方法和复合分位数回归方法相结合。结果得到了响应变量缺失下的加权复合分位数估计,且在一定条件下证明了所得估计的渐近正态性。结论复合分位数综合考虑了多个分位点的信息,提高了所得估计的效率。     

参数回归模型的最大加权似然估计及其性质

对参数回归模型的估计因不同观测点的重要程度不同 ,常常要采用加权估计方法 .提出参数回归模型的最大加权似然估计方法并利用概率论中的大数定律和中心极限定理证明了估计的一致性和渐近正态性 .     

变系数部分非线性模型的分位数回归估计

研究纵向数据缺失下变系数部分非线性分位数回归模型的估计问题.利用逆概率加权法结合分位数回归给出参数估计和非参估计;在一定条件下,证明了所给估计量的渐近正态性;通过数值模拟,验证了所提方法的有效性.     

缺失数据下局部线性回归估计的渐近性质

在缺失响应变量的不完全数据下,对非参数回归模型进行研究,利用局部线性回归的方法,给出了回归函数m(x)的估计,并证明了缺失数据下局部线性回归光滑具有渐近正态性和相合性.     

线性测量误差模型的随机加权分位数回归

将随机加权法推广到线性测量误差模型,结合分位数回归估计方法,提出线性测量误差模型中参数的随机加权分位数回归方法.在一定条件下,可以用随机加权法得到分位数回归估计量的渐近分布,这种方法避免了估计冗余参数,并且实施方便.通过模拟研究和艾滋病数据验证了随机加权分位数回归方法的有效性.     

ADCINAR(1)模型的加权条件最小二乘估计

用加权条件最小二乘方法, 对基于相依计数序列的一阶整值自回归模型(ADCINAR(1))进行参数估计, 给出参数估计的表达式及其渐近分布, 并推导模型的高阶矩、 高阶累积量、 谱密度和双谱密度. 数值模拟结果表明, 将加权条件最小二乘估计、 条件最小二乘估计和Yule Walker估计进行比较, 验证了加权条件最小二乘方法的有效性.     

一类非线性结构关系度量误差模型的大样本理论

讨论了预报变量带有随机度量误差的回归模型的大样本理论，在相当一般的条件下给出了未知参数的一个强相合估计，证明了该估计是渐近正态的，并给出了其极限分布的均值与协方差阵。     

异方差一致协方差阵的估计方法研究

处理回归模型中的异方差问题尤为重要的一点是对随机误差项的方差进行估计.考虑到非参数核估计和稳健估计在异方差构成未知的情况下在估计效果上仍具有一定优越性，因而将非参数N-W估计和两种稳健估计方法分别与估计加权最小二乘估计法相结合，先得出随机误差项方差的估计量，进而将其作为权矩阵对模型参数进行估计，并基于估计加权最小二乘法，对已有的加权异方差一致协方差估计方法进行扩展，提出了两个新的加权估计量WHC4m和WHC5m.通过实验可以发现，各估计方法在模型参数的估计和检验效果上差别较大，并且新提出的加权估计量比原有的异方差一致协方差估计量HC4m和HC5m在检验效果上表现更好.     

随机缺失下半参数回归模型的最大经验似然估计

考虑了随机缺失数据下非线性回归模型的估计问题,利用最大经验似然估计的方法给出了回归系数、光滑函数的最大经验似然估计,并在一定条件下证明了所得估计量的渐近正态性和强相合性。     

NA样本回归函数递归型估计的强相合性

本文在NA相依样本下给出了非参数回归函数加权递归核估计gn(x)=n∑(i=1)yi(xi-xi-1)/hi K(x-xi/hi)的渐近无偏性和相合性的充分条件。其中这里得到的充分条件与一般加权回归函数核估计的相合性几乎完全一致。     

一类非对称的GARCH模型的参数估计

非对称的GARCH模型的估计一般采用拟极大似然估计,这种估计的相合性及渐近正态性结论已经出现在很多文献中.本文对这种模型提出一种新的估计方法-加权拟极大似估计,在一定条件下证明了非对称的GARCH模型的加权拟极大似然估计的相合性和渐近正态性.     

(p)混合误差下波动函数的局部多项式估计

文章考虑了具有混合误差的固定设计下的非参数回归模型,在回归函数及波动函数未知的情况下,利用回归函数的局部多项式估计,构造了波动函数的局部多项式估计;给出了该估计的渐近偏差和渐近方差,并在一定条件下得到了该估计的渐近正态性.