半变系数模型的估计及性质

半变系数模型在统计中具有重要的应用,本文时该模型的常数系数,采用局部多项式估计方法和平均方法,给出了它的估计,对于函数系数的估计通过应用常数系数的估计,采用局部多项式估计方法给出其估计,并给出估计的渐近正态性和证明．     

参数已知下比例函数系数线性模型的局部多项式估计

比例函数系数模型在统计中有很广泛的应用,文中对该模型使用局部多项式方法进行估计,给出了函数系数的估计及其渐近正态性。     

混合误差下半变系数模型估计的相合性

讨论了误差序列{εi,1≤i≤n}是α-混合条件下的变系数模型.利用局部多项式方法给出变系数模型系数函数的估计,并在此基础上讨论了系数函数估计的相合性问题,最终证明了该模型系数函数估计是弱相和合的.     

部分线性回归模型中的广义似然比检验

检验了部分线性回归模型中的函数部分是否为常数, 在备择假设下, 先用局部多项式方法估计出函数部分, 在估计中忽略了参数部分, 将其并入误差项, 再使用二阶段估计法, 直接应用最小二乘方法, 估计出参数部分, 并讨论了它们的渐近性质. 计算了零假设下广义似然比检验统计量的表达式, 并给出其渐近分布.     

函数系数部分线性模型的B样条估计

函数系数部分线性模型是一个比较广泛的模型,其常数项函数和系数函数具有不同的自变量,这给模型的估计带来了不小的挑战。利用B样条方法同时给出该模型的常数项函数和系数函数的估计,给出了估计的相合性、渐近正态性以及收敛速度,且该收敛速度达到了非参数最优收敛速度;最后,模拟说明了B样条方法对该模型的估计是有效的。     

函数系数部分线性回归模型的变量选择方法

函数系数部分线性回归模型是变系数模型中的一种特殊情形，文章对这种新的变系数模型的变量选择问题进行了主要研究．首先，运用局部多项式方法得到非参数项的估计，并且使用B样条逼近函数系数，选取SCAD惩罚作为变量选择方法．其次，得到了估计的渐近性质．最后，模拟说明了该估计方法较好地达到了变量选择的目的．     

部分线性模型M估计的弱收敛性

为得到部分线性模型中未知函数和未知系数的稳健估计,讨论了部分线性模型的M估计,用局部线性方法给出常系数的初估计,再用平均方法给出常系数的M估计,用两步方法给出函数系数的M估计,并进一步证明了未知函数和参数估计的弱一致性。     

时空自回归半参数延迟回归模型的岭估计

研究时空自回归半参数延迟回归模型.基于局部多项式给出了该模型的两步估计方法,并针对复共线性问题提出该模型的岭估计,给出了岭估计的渐近性质.通过数值模拟验证了提出的估计方法的可行性.     

相关误差的变系数模型的估计

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。     

不同光滑变量的变系数模型的系数函数的有效估计

探讨不同自变量的变系数模型的系数函数的估计及其渐近性.使用局部线性方法和平均方法给出系数函数的平均估计,对平均估计使用回切法给出系数函数的有效估计,给出它们的渐近正态性,模拟例子说明这个估计的有效性.     

半参数回归模型的局部多项式光滑

利用最小二乘局部多项式方法建立了半回归模型参分量和非参数分量的局部多项式估计,在适当条件下,得到了它们的渐近正态性和最优弱收敛速度。     

线性回归模型系数的有偏估计研究

针对引起线性回归模型LS估计性能变坏的根本原因,提出了回归系数的广义c-K估计,将众多经典的有偏估计结合在一起,对有偏估计的改进进行研究.分别证明了选择广义岭参数可对狭义岭估计进行改进,选择压缩因子可对广义岭估计进行改进,给出了参数的最优值.为病态线性回归模型系数的有偏估计的改进提供了有效途径.     

变系数模型中的新局部线性估计法

提出一种新的局部线性方法用来估计变系数模型中的未知函数,给出了未知函数估计量的渐近条件偏差和方差.由于新方法所得估计量的渐近方差小于传统线性估计量的渐近方差,因而新方法更加有效.     

周期性观测数据的三角多项式滤波及预报

为周期性观测数据的动态处理建立了三角多项式滤波模型，并给出了拟合系数｛ａ０，ａ１，…，ａｍ，ｂ１，…，ｂｍ｝的递推Ｍ型估计及状态预报的计算公式     

半参数回归模型局部多项式估计的渐近性质

利用最小二乘局部多项式方法建立了半参数回归模型参数分量、非参数分量和误差方差的局部多项式估计,在适当的条件下,得到它们的渐近正态性和最优收敛速度。     

基于多项式组主项解耦消元法的几何定理机器证明

用多项式组主项解耦消元法 ,将几何定理的假设条件 (多项式组PS)化为主系数不含变元的三角型多项式组DTS ,可得到定理命题成立的不含变元的非退化条件 ,即充分必要或更接近充分必要的非退化条件 由于多项式主系数不含变元 ,已不存在DTS多项式之间的约化问题 ,故方法有普遍意义 文中例为西姆松定理的机器证明     

一类线性回归模型的参数估计

考虑一类多总体线性回归模型，其特点是它们均具有部分相同回归系数. 采用各个子总体内样本利用最小二乘方法估计回归参数， 然后依据样本容量进行加权估计公共回归系数， 最后把公共回归系数回代到各个线性回归模型， 利用最小二乘方法估计不同部分系数. 理论结果表明， 此种方法得到的估计量， 不仅是无偏估计， 而且方差比用单个子总体样本得到的最小二乘估计要小，蒙特卡罗模拟证实了该估计量良好的性质.     

广义系统状态估计的多项式方法

运用多项式方法讨论了广义离散随机线性系统稳态最优状态估计。并利用谱分解和多式方程计算最优估值器。其结果包括滤波和平滑。数值例子说明最优递推估值器的计算方法。