污染数据半参数回归模型中的强相合估计

同删失数据一样 ,在实际工作中经常遇到一些关于污染数据的统计分析问题 .对于删失数据已得到了一系列较为深刻的结果 ,但对污染数据问题的研究却不多 .污染数据回归模型是生物统计中常用的模型 .考虑一类污染数据半参数回归模型 ,建立了模型的参数、回归函数和污染系数的估计 ,并在适当条件下证明了它们具有强相合性 .     

纵向污染数据半参数回归模型中的强相合估计

研究了一类纵向污染数据的半参数回归模型，并在更切合实际的情况下，建立了模型参数和回归函数的估计方法，在适当的条件下，证明了所建立的估计量均具有强相合性。     

污染数据回归模型的强相合估计

讨论了(I)型污染回归模型,并不假定误差分布为正态,分别从误差方差为已知和未知两个方面给出污染系数及回归系数的参数估计,并在适当的条件下证明其强相合性.     

污染数据回归模型的相合估计

考虑线性回归模型yi=xi′β iε,i=1,2,…n,其中ε=(1ε,…,nε)′满足E()ε=0,Cov()ε=21σV(V>0),假定{yi}受到另一独立同分布的随机变量序列{iμ}的污染,仅能观察到污染数据,{yi}与{iμ}独立,本文给出污染参数及回归系数的参数估计,并证明在适当的条件下其具有强,弱相合性。     

污染线性模型的相合估计

讨论二种类型的污染回归,一是（I）型污染回归模型,并不假定误差分布为正态,也不假定误差方差为已知,只假定误差有三阶矩,在此条件下证明了污染系数及回归系数的参数估计的紧相合性,二是提出一种新的污染回归模型（Ⅲ）,在只假定误差有二阶矩（并不假字有已知方差）的条件下,得到污染系数及回归系数的参数估计的相合性。     

污染分布密度函数的一种估计方法

讨论观察数据来自污染分布f(x)-(1-α)f1（x) αf2(x)时的非参数推断问题。当厂f2(x)已知，污染系数α和密度函数f1(x)未知时，采用非参数的核密度估计方法，给出f1(x)及α的估计。证明了^↑f1n(x)和^↑αn分别是f1(x)和α的相合估计，并对正态分布的特例作了随机模拟。     

污染数据线性回归模型的参数估计和区间估计

研究线性回归模型：yi=α＋βxi＋εi,i=1,2,…,n,其中Eεi=0,Eεi^2=σ1^2;但y1,y2,…,yn受到另一个独立同分布随机变量序列W1,W2,…,Wn的污染,仅能观察到yi^＊=（1-v）yi＋vwi,i=1,2,…n,Wi与yi相互独立．文章给出了α,β,v的估计及区间估计．     

污染数据线性回归模型的参数估计和区间估计

研究线性回归模型:yi=α βxi iε,i=1,2,…,n,其中Eiε=0,E2iε=21σ;但y1,y2,…,yn受到另一个独立同分布随机变量序列W1,W2,…,Wn的污染,仅能观察到yi*=(1-v)yi vwi,i=1,2,…,n,Wi与yi相互独立.文章给出了α,β,v的估计及区间估计.     

纵向数据半参数Possion回归模型

建立了半参数纵向数据的Possion回归模型,并利用极大似然估计对此模型的参数进行了估计,讨论了它的Fisher信息矩阵,给出了似然方程的Newton-Raphson迭代求解过程.     

污染数据线性回归模型的参数估计

研究了简单回归模型中响应变量受到另一随机变量序列污染时 ,模型参数和污染系数的估计方法 .在适当条件下 ,证明了所建立的估计量都具有强相合性     

关于污染线性回归模型参数估计的注记

文[1] 、[2] 研究了简单回归模型中响应变量受到另一随机变量序列污染时，模型参数和污染系数的估计方法，但在 利用误差的不同阶矩估计给出污染系数的估计时发生了错误。我们证明了这种方法是行不通的。     

随机设计下回归函数模型变点的小波估计

研究在随机设计下对含有单个跳跃点的回归函数的小波估计。将随机设计通过变换转换成等距设计,在等距设计下利用单个跳跃点和跳跃度的估计量,构造出含有单个变点的回归函数估计。数值分析比较结果显示：该方法不仅保持了尖点附近的良好性质,而且在跳跃点附近也有效地避免了吉布斯现象。