变系数回归模型的局部M-估计

讨论了变系数回归模型的系数函数的估计问题.在通常的局部M-回归方法基础上嵌入一个变窗宽对模型的系数函数进行了估计,并在样本独立同分布的情况下,讨论了系数函数估计的弱相合性和渐近正态性,最后,给出了估计的渐近性质的证明.     

变系数模型变窗宽局部M-估计的渐近正态性

局部多项式回归方法已证明是一个有效的非参数回归方法,有优于流行核方法的特点,如设计的自适应性和高的渐进效率。然而,它的一个缺点是缺乏稳健性。M-型估计是达到所需稳健性的一种自然预期。而且常窗宽对齐次待估曲线是合理的,但对更复杂的曲线如非齐次的,异方差的曲线则失去灵活性,为了完全做到用模型数据去估计参数,本文结合上述两种方法,对变系数模型的系数参数进行估计,并在其中嵌入一个变窗宽加以提高,得到了估计的渐进正态性。     

半参数计量经济联立模型的局部线性广义矩变窗宽估计

提出半参数计量经济联立模型的局部线性广义矩变窗宽估计,并在随机设计(模型中所有变量为随机变量)下,利用极限理论研究了估计的大样本性质.研究结果表明:参数分量估计具有一致性和渐近正态性且收敛速度为n-1/2;非参数分量估计在内点处具有一致性和渐近正态性,其收敛速度达到了非参数函数估计的最优收敛速度.     

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.     

缺失数据下半参数回归模型的局部线性光滑

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用最小二乘和局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量和非参数分量的局部线性估计.在适当的条件下,得到^βn,^nσ的渐近正态性和^gn(t)最优弱收敛速度.     

参数已知比例可加模型的M-估计

讨论比例可加模型的非参数估计。首先,使用局部线性方法和平均方法给出了未知函数的初估计,然后利用回切方法,定义了未知函数及其导函数的M-估计;进一步,研究了该稳健的M-估计的弱相合性与渐近正态性。     

非参数计量经济模型的变窗宽核估计

在随机设计(模型中所有变量为随机变量)下,提出了非参数计量经济模型的变窗宽核估计,并利用概率论中大数定理和中心极限定理,在内点处证明了它的一致性和渐近正态性.它在内点处的收敛速度达到了非参数函数估计的最优收敛速度.     

时空加权回归模型的变窗宽局部估计

基于合变系数模型的局部线性估计方法与时空加权回归(GTWR)拟合方法,给出了时空加权回归模型的局部估计方法,并在其中嵌入一个变窗宽以提高其估计精度.     

变系数模型的减小方差估计

提出了一种变系数模型的减小方差估计。在任意估计点,利用其附近3个点的局部线性估计的线性组合得到减小方差估计。所得估计与局部线性估计有相同的渐近条件偏差,但较局部线性估计有更小的渐近条件方差,而且该估计具有局部线性估计的良好性质,局部线性估计所采用的窗宽选取方法均可直接应用于该估计。通过数值模拟计算,表明所提出的方法在有限样本下也可以有效地降低估计方差。     

固定设计点情形下回归函数值的区间估计

对于固定设计点情形下的非参数回归模型,基于核估计的方法给出了回归函数的逐点置信区间和修正偏差置信区间.所给置信区间在相对较弱的条件下是渐近精确的.考虑到窗宽的选取对核估计和区间估计的重要影响,给出了适合所给置信区间的核估计窗宽的迭代选取方法.模拟结果显示迭代法收敛,且选取的窗宽表现良好,置信区间有令人满意的覆盖率.     

时变扩散模型中收益参数向量的局部复合分位回归估计

主要研究多维时变扩散模型中收益参数向量的估计问题.基于离散观测样本,利用局部线性拟合的方法,得到了时变漂移参数向量的局部复合分位回归估计,并证明了估计量的渐近正态性.同时,给出了估计量的渐近偏差和渐近方差.     

右删失数据下回归函数的局部组合分位数回归估计

本文研究右删失数据情形下的组合分位数回归模型,采用局部多项式逼近来估计回归函数,得到回归函数在某一点的估计量的渐近正态性和区间估计,并通过蒙特卡洛模拟验证了所提方法的有限样本性质。     

扩散模型复合分位回归估计的渐近正态性

主要研究扩散模型中漂移函数的复合分位回归估计的渐近正态性.基于离散观测样本,利用复合分位回归的方法得到了漂移参数函数的局部估计量,并证明了估计量的渐近正态性.     

非参数计量经济联立模型的局部线性工具变量估计

发展了一种非参数联立方程计量经济模型的估计方法。将非参数单方程计量经济模型的局部线性估计方法与传统联立方程计量经济模型的工具变量估计方法相结合 ,在随机设计下 ,提出了非参数联立方程计量经济模型的局部线性工具变量估计方法 ,并利用大数定律和中心极限定理等在内点处研究了该方法的大样本性质。结果表明 :该方法在内点处具有一致性和渐近正态性 ,其收敛速度达到了非参数模型估计的最优收敛速度     

随机删失下非线性回归模型均值的置信域

考虑随机右删失数据下非线性回归模型中响应变量均值的估计问题,应用经验似然方法构造响应变量均值的调整的经验似然比统计量,证明了在一定的条件下,统计量渐近服从x2分布,所得结果给出了均值的渐近置信域.     

基于广义排序集样本的分位数估计

为提高总体分位数的估计效率,提出基于广义排序集抽样的非参数加权估计量.根据估计量的强相合性和渐近正态性,给出了在任意给定的抽样方案下使渐近方差达到最小的权数.再利用最优权数的适应任意分布性,证明出使估计效率达到最大的抽样方案是从所有排序小组中挑选具有同一次序的观测值.通过对渐近相对效率的数值计算和一组真实数据的实际应用,表明最优加权估计功效高于无权估计,最优排序集抽样效率高于标准排序集抽样和简单随机抽样.