正相协误差半参数回归模型小波估计的强相合性

研究半参数回归模型yi=xiβ+ g(ti)+ei(1≤i≤n),｛ei,1≤i≤n｝为正相协序列的未知参数β和未知函数g(t)小波估计的强相合性,得到它们的强收敛速度.     

LNQD序列半参数回归模型小波估计的强相合性

对于半参数回归模型yi=xiβ+g(ti) +ei(1≤i≤n),误差{ei,1≤i≤n}为平稳LNQD序列,研究了未知参数β和未知函数g(t)小波估计的强相合性,在一定的条件下,得到了合理的结果,把非参数回归模型的相应结果推广到半参数回归模型.     

一类半参数回归模型中M估计的收敛速度

考虑半参数回归模型yi=xTiβ0+g(ti)+ei,i=1,2,…,n。其中,β0是未知参数,g是未知函数。当g的估计取一类非参数权估计(包括核估计和最近邻估计)时,文章讨论了参数β0的M估计β0的强收敛速度和未知函数g的估计g*n(t)的一致强收敛速度,从而得到β0-β0=O(n-1/2(logn)1/2)　a.s.和sup|g*n(t)-g(t)|=O(n1/3logn)　a.s.。0≤t≤1     

PA误差下半参数回归模型估计的均方相合性

对于半参数回归模型yi=xiβ+ g(ti)+ei,1≤i≤n,利用最小二乘法和一般加权方法,定义了β,g(t)的估计量(β)n,(g)n(t).在误差为PA序列时,证明了(β)n,(g)n(t)的均方相合性.     

半参数EV模型二阶段估计的渐近正态性

考虑半参数EV模型 Yi =x′iβ+g(Ti)+ei,Xi =xi +ui,1≤i≤n,β∈Rp 为未知回归参数,g(·)为[0,1]上的未知Borel函数。利用近邻权函数并综合最小二乘法建立了参数的估计量,并研究了它们的渐近正态性。     

NQD样本下部分线性模型中估计的强相合性

考虑回归模型：yi=xβ g(ti) σei≤i≤n,其中δ^1 i=f(ui),(xi,ti,ui)是固定非随机设计点列,β是未知待估参数,g和f是未知函数,随机误差序列{ei}为同分布的NQD序列．在一定的条件下,得到了β的最小二乘估计β、加权最小二乘估计β^-和最终加权最小二乘估计β^-的强相合性．     

半参数回归模型的渐近正态性

考虑半参数回归模型 yi=x′β+g(ti)+ei,1≤i≤n ,选择近邻函数为权函数,应用最小二乘法得到β、g(·)和σ2 的估计,讨论参数σ2 估计量的渐近性质.     

半参数回归模型小波估计的强相合性

文章考虑半参数回归模型yi=xiβ g(ti) ei(1≤i≤n),利用小波方法给出了β,g(.)的估计,在适当条件下证明了^β,^g(.)的强相合性,推广了现有文献中的研究成果。     

一类半参数回归模型二阶段估计的渐近理论

考虑回归模型yi＝xiβ＋g（ti）＋ei，1≤i≤n，g为R1上未知函数，β为p×1维待估参数向量．基于近邻权函数利用文献[1]中给出的方法建立了β和g的估计量βn，gn，并且证明了它们具有很好的大样本性质     

PA序列下半参数回归函数估计的强相合性

对于半参数回归模型Yni=β.tni＋g（xni）＋εni,（1≤i≤n）,在误差{εni,1≤i≤n}为平稳PA相依序列条件下,得到未知函数g（x）的权函数估计和未知参数β估计的强相合性.     

ρ-混合相依下回归函数小波估计的相合性

考虑非参数回归模型：Yi = g（ti） ＋ ei （ 1≤ i ≤ n）。其中{ti}是固定设计点列,g（＊）是未知回归函数。令{ei}是ρ-混合相依平稳序列,在比较一般的条件下,研究了未知回归函数g（＊）小波估计的r阶平均相合性以及强相合性。     

随机删失半参数回归模型参数估计的渐近性质

考虑半参数回归模型Yi=Xiβ+g(Ti)+ei,i=1,2…,n,β∈Rd为未知回归参数,g(·)为[0,1]上的未知Borel函数.利用偏残差法并综合最小二乘法,定义了右删失数据情形下参数β、g(T)的核估计^β 、^g (T),在一定条件下,证明了^β 的渐近正态性,同时得到了^g (T)的最优收敛速度.     

PA样本回归函数估计的强相合性

针对非参数回归模型Y1=g(x1)+ε1,1≤i≤n,在{εi,1≤i≤n}为一致可积的平稳PA相依序列条件下,得到未知函数g(x)的权函数估计gn(x)=nΣi=1wni(x)Yi的强相合性.     

NA样本回归函数估计的强相合性

在非参数回归模型Yi=g(xi)+εi,1≤i≤n中,研究了当{εi,1≤i≤n}为一致可积的平稳NA相依序列时,未知函数g(x)的权函数估计gn(x)=∑ni=1wni(x)Yi的强相合性。     

NA样本下变方差模型估计的强相合性

考虑变方差回归模型Yi=g(ti) σiei,i=1,2 ,… ,n ,其中σ2 i=f(ui) ,(ti,ui)为非随机设计点列 ,g(·)和f(·)均为未知函数 .当随机误差ei 为NA变量时 ,讨论了 g(t)的一般加权估计 g^n(t)的一致强相合性 ,以及f(x)的 一般加权估计 f^n(u)的强相合性和一致强相合性     

一类半参数回归模型讨厌参数的相合估计

讨论一类半参数回归模型y=xβ+g(t(1)+t(2)α)+e,其中g(·)未知,α、β为实参数,e为随机误差 设有样本{(ti,xi,yi)}ni)′,构造了g(·)、β和讨厌参数α的估计,并证明了其相合性 i,t(2)i=1,ti=(t(1)     

部分线性模型中非参数估计的强相合性

考虑部分线性模型:y_i=x_iβ+g(t_i)+σ_ie_i,1≤i≤n,其中σ_i~2=f(u_i),(x_i,t_i,u_i)是固定非随机设计点列,f(·)和 g(·)是未知函数,β是待估参数,e_i 是随机误差。我们研究了基于β的最小二乘估计β_n 和加权最小二乘估计_n 的非参数 g(·)的估计,并证明了他们的强相合性。     

误差为NA序列的回归模型估计的r阶矩相合性

对非参数回归模型yi=g(xi)+ei(i=1,2,…,n),具体讨论误差为NA序列时,对g(x)给出一种加权核估计gn(x),研究gn(x)的r阶矩相合性。对回归模型yi=xiβ+g(ti)+σiei(i=1,2,…,n),讨论误差为NA序列时,给出β的最小二乘估计β,研究β的r阶矩相合性。     

一类半参数模型的正交级数及最小二乘估计

考虑半参数回归模型Y_i=X_iβ+g(X_iβ)+e_i,i=1,…,n。用正交级数和最小二乘法构造了β和g的估计β和g,证明β和g的强相合性,并把此结果应用于截断回归模型=Xβ+e,e～F(未知)中未知参数β和误差分布F的估计.     

非线性约束条件的污染数据的L2-估计

讨论非线性回归模型yi=f(xi,β)+ei,i=1,2,...,n,其中Eei=0,Eei2=α21,假设yi受到另一独立同分布随机变量序列ui的污染,仅能观察到污染数据y*i=(1-v)yi+vui,0≤v《1,v为未知参数.估计问题带有等式和不等式约束,约束是非线性的.首先利用矩估计方法给出污染参数的估计,最后利用最优化方法讨论了其非线性约束的L2-估计渐近问题,并给出估计量是概率有界的等相关结果.