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.     

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.     

具有随机缺失响应变量的广义半参数模型

本文在响应变量随机缺失条件下,研究了广义半参数模型的拟似然估计方法,给出了缺失数据下的未知参数与非参数回归函数的拟似然估计,进一步求出了估计的渐近偏差和渐近方差,并证明了所给出的拟似然估计具有渐近正态性。     

附加信息下分布函数与分位数估计的渐近性质

对于在附加信息Ｅｇ（Ｘ）＝０下,用经验似然方法所获得的分布函数和分位数估计,给出了这些估计的强相合性,渐近正态性和重对数律,并且说明它们的渐近方差比通常分布函数和分位数估计的渐近方差要小。     

广义线性模型的M-估计

用M-估计来估计广义线性模型中的未知参数β.首先,在一定的假设条件下,根据已有的对广义线性模型中未知参数β的极大似然估计方法,应用大数定律及鞅中心极限定理,证明了广义线性模型的M-估计的两个重要性质,印相合性及渐近正态性.其次,将固定设计的思想引入M-估计,并与广义线性模型相结合,证明了其相合性及渐近正态性.最后通过数...     

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.     

半参数单调变系数部分线性EV模型的估计

主要研究半参数单调变系数部分线性EV模型的估计问题,提出了单调纠偏profile最小二乘估计方法,给出了模型中未知参数和单调变系数函数的估计,并在适当条件下证明了参数估计的渐近正态性和非参数单调估计的渐近性质.最后利用计算机数值模拟验证了本文所提方法的可行性及有限样本估计结果的性质.     

一阶广义随机系数自回归模型参数的最小渐近方差估计

研究广义随机系数自回归模型中参数的估计问题, 给出了未知参数的一个估计类, 证明了该估计类中估计的相合性和渐近正态性, 并且获得了该估计类中的最小渐近方差估计, 并通过数值模拟比较了估计类中各种估计方法的优劣.     

污染数据半参数模型估计的渐近正态性

对固定设计下的污染数据半参数模型估计的渐近分布进行了研究,并在一定条件下证明了该估计具有渐近正态性.     

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。     

基于估计方程的简单计数数据统计分析

当泊松分布和负二项分布无法满足简单计数数据分析要求时,建立一般的条件期望模型并提出基于估计方程的参数估计方法,推导参数估计的渐近性质,包括估计的相合性和渐近正态性。还通过数值模拟验证了这些估计在有限样本下的有效性。最后,将模型及估计方法应用于一组临床试验记录的计数数据的分析中。结果表明,模型分析结果具有统计学意义且与试验情况一致,具有医学应用价值。     

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。     

(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.     

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。     

缺失数据下局部M-估计的相合性和渐近正态性

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,利用稳健的变窗宽局部线性回归的方法,给出了回归函数m(x)的估计,并证明了局部M-估计具有相合性和渐近正态性.所提出的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.并且使用变窗宽提高了所得M-估计的可塑性,使之能成功地处理空间非齐次曲线、异方差性及非均匀设计密度.所得估计的渐近结果为求渐近最优方案以及直接从数据估计最优变窗宽提供了理论基础.     

ρ混合序列权函数估计的渐近性质

为研究非参数回归模型中ρ混合序列权函数估计的渐近性质问题,在矩条件较合理的情形下,采用相依序列概率不等式以及截断的方法,获得了回归函数g(·)权函数估计的几乎处处收敛的强相合性;在矩条件和权函数条件较合理的情形下,利用相依序列概率不等式以及Bernstein大小分块和Lyapunov中心极限定理的方法,获得了回归函数g(·)权函数估计的渐近正态性.将其他相依序列下相应方法和结论推广到ρ混合序列.     

在NA样本下一类双边截断型分布族参数的经验Bayes估计

在平方损失下,讨论一类双边截断型均匀分布族参数的经验贝叶斯(EB)估计的渐近性.按照贝叶斯(Bayes)方法,导出均匀分布族参数的 Bayes 估计,利用历史样本,采用概率密度函数的核估计方法,构造出边缘密度函数的估计,从而得到参数的EB估计,在一定的条件下,证明所得到的EB估计是渐近最优的,而且得到了其收敛速度,最后举例说明满足定理条件的参数的先验分布是存在的     

正态情形下两类熵风险度量的估计

研究了正态情形下两类熵风险度量估计量的相合性,估计大偏差,估计渐近正态性.由估计的渐近正态性给出这两类熵风险度量的区间估计,且用相应的图像模拟验证区间估计的结果.     

ρ混合序列小波估计的渐近性质

利用截断和大小分块的方法,考虑非参数回归模型中ρ混合序列小波估计的渐近性质,得到了函数g(·)小波估计的强相合性与渐近正态性.     

指数型分布族中矩估计的序贯置信区间

在矩估计的基础上,对于给定精度(2d)及置信系数(α),建立了对参数(θ)函数g(θ)的一个序贯置信区间估计的步骤和方法.并讨论了在一定条件下,当d→0时,估计的渐近相合性、渐近有效性及有界的最优费用差(EN(d)?n(d))等渐近性质.