重尾分布中二阶参数的渐近无偏估计

基于统计量T_(n,k)(K),先提出二阶参数的有偏估计量,再通过2个有偏估计量的线性组合构造了一类二阶参数的渐近无偏估计.在二阶正则条件下,研究了估计量的相合性;在三阶正则条件下,研究了估计量的渐近正态性.最后通过模拟,在特定条件下,将此无偏估计量ρn,k(K~(1,2),α,t*(ρ,β))与Goegebeur提出的估计量ρ_(n,k)(K~(1,2),α_1,α_2,l)的均值和方差进行模拟比较,结果表明,提出的无偏估计量表现更好.     

缺失数据下非参数回归估计

在缺失响应变量的不完全数据下,利用局部线性回归的方法,给出了回归函数m(x)的估计的加权估计,并证明了估计量具有渐近正态性、均方误差(MSE)和相合性.模拟研究解释了估计量的有限样本性质,并得出了此估计量优越于完整数据估计和加权估计.     

比率估计量均方误差的近似值及其估计量的偏差

改进了比率估计的均方误差 ,给出了偏差的价为 1/n3 的比率估计量均方误差及其估计     

α稳定噪声下最小均方Sigmoid误差自适应时间延迟估计

为解决脉冲噪声下最小均方误差自适应时间延迟估计算法估计性能的退化问题,以对称α稳定分布模型描述脉冲噪声,提出最小均方Sigmoid误差自适应时间延迟估计算法.该算法通过对误差信号求取Sigmoid变换,抑制了较大误差对估计结果的影响.以最小均方Sigmoid误差代替最小均方误差作为优化准则,迭代模拟信道延迟效应的滤波器权系数,其收敛时峰值的位置就是所要估计的时间延迟.仿真结果验证了该算法在高斯和非高斯对称α稳定分布噪声条件下的优良估计性能,说明最小均方Sigmoid误差是一种韧性的最优准则.     

半参数单指标回归模型的估计及其强相合性

讨论了半参数单指标回归模型y=α7x+g(βTu)+ε,针对未知向量β,给出了一种不同于单指标投影追踪的估计方法,并证明了估计量(^α)n以及βn具有强相合性,最后对所估计方法进行了模拟验证.     

总体均值的分别比率估计方法改进及应用

辅助信息可以在抽样设计和估计量设计两个阶段同时使用,在分层抽样下采用排序集样本代替随机样本,以辅助变量的多个指标线性组合为辅助信息,改进了总体均值的分别比率估计方法,计算了估计量的近似偏差和均方误差,比较了两种不同抽样方法下比率估计的精度.结果表明,改进的分别比率估计均方误差较小.最后借助随机模拟和算例分析进一步验证了结论的可靠性.     

自回归模型阶数的Bayes判据

本文在假定自回归模型的阶数k是有已知上界M的离散随机变数且有一定先验概率P_k,k=1,2,…,M的前提下,对一般损失函数L(k,d)给出模型阶数估计量k的Bnyes判据: 并证明按∧(k)=min∧(d)所确定的估计量k是有一致性的估计. 本文概括了文献[1]和[2],使后两者成为本文的特殊情形.此外,对三种具体的损失函数W_1(n)=n,W_2(n)=n~4和W_3(n)-1n(1+n),进行了模型阶数估计量k的模似计算.     

鞅差误差下简单线性EV回归模型最小二乘估计的相合性

研究了误差为鞅差序列条件下的线性EV(errors-in-variables)回归模型.利用最小二乘估计方法对模型中β和θ进行估计,证明了估计量的强相合性和均方相合性,从而推广了线性EV回归模型已有的相关结论.     

删失样本下的极值指数估计

应用删失回归方法,给出了重尾分布极值指数的一种估计量,得到了这种估计量及其对应极值分位数估计量的渐近正态性.数值模拟结果显示,新估计量的均方误差较现有估计量明显减小.     

混合系数线性模型参数的局部根方估计

在连续测量数据情况下,给出了混合系数线性模型参数的局部根方估计dL(k)和dL(k)(0相似文献   

两个比率的比率估计量

给出了同一样本在两个时期比率的比率估计量的偏差、估计量的均方误差以及均方误差的估计。     

刀切广义岭估计的渐近性质

经典的大样本理论研究了当自变量数 p固定(或p→∞ ),并且样本容量 n→∞时估计量的性质,但 n固定并且 p→∞这种情况几乎没有被讨论过.后者对髙维数据的研究具有重要意义,本文研究了刀切广义岭估计在 n固定 p→∞时的渐近性质,建立了刀切广义岭估计在一定条件下的均方误差相合性,提供了一个剔除次要变量的变量筛选方法,并证明了这个筛选程序的强相合性.     

α-混合误差下纵向数据半参数回归模型的均方相合性

考虑误差为α-混合序列下的纵向数据半参数回归模型,基于广义最小二乘法和非参数权函数方法分别给出了模型中未知参数β和未知函数g（·）的估计,在适当条件下,证明了β和g（·）的估计量的均方相合性．     

线性回归模型中的KL型主成分估计

当线性回归模型中存在复共线性时,基于最小二乘估计的统计推断往往会受到影响。鉴于此,结合主成分估计和KL估计,提出了一类新的估计方法,即KL型主成分估计,以期克服复共线性问题。同时,得到新的估计在均方误差意义下优于最小二乘估计、主成分估计、r-k估计、r-d估计和KL估计的充要条件。并利用Monte Carlo模拟和实证分析对各估计量在均方误差准则下进行了比较。     

不同观测点重尾参数的估计

根据位置不变的Hill型估计量的渐近性质,提出了一个关于极端降雨不同观测点的位置不变的估计量c∧n(k0,k),并讨论了其弱相合性及其分布的渐近正态展开.     

幂分布的有效估计

讨论了幂分布的概率密度函数和分布函数的估计问题,分别得到了概率密度函数和分布函数的极大似然估计、一致最小方差无偏估计和基于分位数的估计.通过随机模拟计算了多种估计的均方误差,随着样本量的增大,估计量的均方误差变小;在概率密度函数和分布函数的估计量中基于分位数的估计的均方误差最大.     

位置参数变点估计的收敛速度

对至多一个位置参数变点的模型,基于反对称核函数,运用累积和(cumulative sum,CUSUM)方法给出了变点的U统计量型估计量,并研究了变点估计量的相合性和收敛速度,同时也给出了局部对立条件下估计量的相合性.最后进行了不同样本容量和参数设置下变点估计的模拟分析,从直方图可以看出:变点位置越靠近中间位置,估计越精确.模拟结果显示所给出的估计量的有效性.     

半相依回归系统参数的一种改进有偏估计

对于半相依回归系统（1）的参数提出一种新的有偏估计，并研究这种估计量在均方误差意义下的优良性质和线性可容许性．     

基于排序集样本和双辅助变量的比率估计改进方法

基于排序集样本和双辅助变量建立总体均值的改进比率估计量,研究了估计量的偏差和均方误差,并从理论上比较了两种抽样方法下的估计效率,最后借助随机模拟和实际例子分析了比率估计方法的有效性.结果表明,利用双辅助变量的改进比率估计精度明显高于简单随机抽样或者单辅助变量比率估计.     

基于KL分位数估计方法的VaR估计及实证分析

为了有效地度量小概率水平下金融产品的风险价值量VaR,在概率水平小于等于0.05的情况下对KL分位数估计进行数值模拟分析,在此基础上提出利用KL分位数估计量去估计VaR的方法.为此先介绍了KL分位数估计子样本容量的选择和均方误差的计算,再分别对KL分位数估计与SQ样本分位数估计做模拟分析并讨论其拟合效果,比较不同分布和不同样本取值下两者的均方误差比率,模拟分析结果表明:一般情况下KL分位数估计优于SQ样本分位数估计.最后,将KL分位数估计分别运用于桂林旅游、桂林三金这两支股票的风险度量(VaR估计),得出投资桂林旅游股票的风险大于投资桂林三金股票的风险.