Warner模型中的Jackknife方法

本文在二值敏感问题随机化调查的wamer模型中引入了Jackknife方法．构造了总体敏感属性比例的Jackknife估计量πJ并讨论了估计量的性质.进而构造了Jackknife估计量方差的估计量方差的估计量.对于一个人为总体计算得到通常估计和Jackknife估计的有关数值结果，说明了本文提出的方法在实际中是一个可用的方法．     

Meta分析中异质性检验方法的改进

以Meta分析中异质性程度检验的I2统计量为基础,研究了基于统计量Q、异质性方差估计量^τ2和H统计量作为评价指标来判断异质性程度的方法。给出了相应的判别标准。研究表明这些方法都是等价的。但是,用异质性方差估计量^τ2判断异质性程度更为直观、可靠。结合实例对上述方法进行了比较,讨论了这些方法的可行性和有效性。     

AR(1)模型下F检验的性质

讨论误差服从一阶自回归的线性模型关于回归系数的线性假设检验问题,在方差参数已知的情况下,研究了检验统计量的性质;在方差参数未知时,采用前三阶中心矩相等的方法,提出两种近似检验方法．模拟结果显示,当误差正相关程度较高时,两种近似检验在具有较小的第一类错误的同时,具有较大的功效。     

函数型部分线性回归模型参数估计的注记

本文进一步研究了函数型部分线性回归模型中的参数估计问题,在模型中的随机误差项具有一定相关性的条件下,构造了模型中未知参数向量的估计量并且建立了估计量的渐近性质,如参数向量估计量的相合性及函数型参数估计量的收敛速度,并推广了现有文献中的相关结果,同时也构造了模型中误差协方差阵参数的估计量。     

时空加权回归模型局部线性估计的渐近性质

在模型分析中,对未知参数的估计及其相关性质的研究甚为重要。首先通过假定时空加权回归模型的回归系数是时空位置的函数,给出了时空加权回归模型的一种局部线性估计方法。其次,在假设I~V及引理1下,研究了由此估计方法得到的第p个系数函数估计量所具有的渐近条件性质。最后,证明了第p个系数函数估计量的渐近条件偏差和渐近条件方差。结果表明该估计具有良好的表现。     

基于残差的非线性自回归模型的拟合优度检验

时间序列模型中,考虑误差分布的拟合优度检验是很重要的．Lee和Na（2002）考虑了在线性自回归模型下,基于残差的Bickel—Rosenblatt检验问题．他们指出了在原假设条件下,检验统计量的极限分布与利用独立同分布观测值的经典Bickel—Rosenblatt检验相同．本文主要讨论无限阶的非线性自回归模型的基于残差的Bickel—Rosenblatt检验统计量的渐近性质．我们证明了在自回归函数未知的情况下,当满足一定条件时,检验统计量的渐近性质与基于真实误差的统计量的性质相同．     

时空加权回归模型局部线性估计的渐近性质

在模型分析中,对未知参数的估计及其相关性质的研究甚为重要。首先通过假定时空加权回归模型的回归系数是时空位置的函数,给出了时空加权回归模型的一种局部线性估计方法。其次,在假设I~V及引理1下,研究了由此估计方法得到的第p个系数函数估计量所具有的渐近条件性质。最后,证明了第p个系数函数估计量的渐近条件偏差和渐近条件方差。结果表明该估计具有良好的表现。
     

反映缺失的部分函数型回归模型的统计推断

为了解决反映变量随机缺失下部分函数型线性回归模型的统计推断，首先利用主成分分析法对模型中函数变量进行展开，在运用多元最小二乘法估计了模型中未知的参数和未知的系数函数，并证明了这两个估计具有渐近正态性。然后给出反映均值的回归借补估计，并证明了该估计量的大样本性质。     

误差为AANA序列时非参数回归模型估计的相合性

研究了误差为AANA序列时非参数回归模型未知函数g(.)估计量的相合性问题,而AANA序列比NA序列要弱.在一般的条件下,利用Cr不等式、Jensen不等式、AANA序列的极大值不等式以及权函数的一些性质,给出了非参数回归模型未知函数g(.)估计量的p-阶平均相合性和一致p-阶平均相合性,推广了相关文献已获得的部分结果.     

半参数广义线性模型的正则估计量及其有效性

讨论了一类半参数广义线性回归模型参数的正则估计及其有效性问题.在研究模型半参数的矩估计及其渐近性的基础上,利用正交空间、矩估计的性质和正交计算方法,给出了广义线性模型中未知参数的有效估计量的表达式.提出了回归参数有效估计量的特征描述方法,并给出和证明了参数估计量是有效正则估计量的充分必要条件.通过实例进一步解释和验证了所给出的方法和条件的有效性.     

多传感器ARMA信号自校正分布式融合Kalman滤波器

对含未知模型参数和未知噪声方差的多传感器自回归滑动平均（ARMA）信号,应用递推辅助变量(RIV)算法得到局部模型参数估值器,用相关方法得到局部噪声方差估值器,然后用取局部估值器的平均得到信息融合估值器。将这些融合估值器代入ARMA信号的全局最优分布式融合Kalman滤波器,提出了一种自校正分布式融合Kalman滤波器。用动态误差分析方法证明了它收敛于全局最优分布式Kalman滤波器,因而它具有渐近全局最优性。一个目标位置跟踪系统仿真例子说明了其有效性。     

方差未知时两个正态总体均值序条件下的估计量

讨论了两个正态总体均值在序条件下的改进估计量,样本均值是期望的极大似然估计量,当期望满足序条件且方差未知时,用方差的极大极小估计量代替方差得到了关于期望的一类估计量,此类估计量改进了样本均值.     

非参数的广义转换异方差模型

在风险管理中，费用的平均值E［Y|[WTHX]X[WTBZ]］是一个关键参数.预测平均费用的主要困难在于费用数据是严重偏态且异方差.目前常用的方法有转换模型及广义线性模型方法，这两个方法独立被研究，没有任何交叉，它们部分地克服了数据的偏态性及异方差性质. 本文提出了一个新的非参数模型，它不要求给定转换函数、联系函数、方差函数及误差分布函数. 现有的转换模型及广义线性模型都只是这个模型的特例，该模型可以在一个相当广泛的范围内提供一个最好的选择. 更重要的是本文用一个非常简单的方法估计感兴趣的参数，估计过程中     

平衡损失下回归系数的最小风险估计

研究了线性模型中回归系数的最小风险估计问题.在平衡损失函数下,考虑了回归系数线性估计在线性估计类中的最小风险性,结果表明最小风险估计是非线性有偏估计,它与未知参数有关,当用未知参数的不同估计代替时,得到的估计都是一种估计的平衡.     

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 .     

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。     

一阶转移Poisson模型参数的统计推断

分析了一阶转移Poisson模型，给出了参数估计的方法．理论分析结果表明，参数估计具有渐近正态性，方差矩阵的估计具有相合性．     

AR模型参数的Bootstrap方差估计

针对故障诊断中AR模型参数判别门限值的确定需要大量样本和重复多次试验的问题，采用小样本统计的Bootstrap方法对车削振颤AR模型参数的方差进行了估计，结果表明，该方法具有较好的估计结果和工程应用价值。     

设计阵列亏秩时几种估计性能的比较

在给定的线性模型下，讨论了在设计阵列亏秩时，最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较。得出了在一定条件下，最优加权最小二乘估计等价于线性无偏最小方差估计。在噪声方差矩阵可逆、未知参数方差矩阵可逆条件下，可算出最优加权最小二乘估计与线性无偏最小方差估计方差的差表达式，并在一定条件下，两者趋于一致。