NA样本近邻回归估计的强相合性

在NA样本情形下讨论一维近回归估计的强相合性，得到与独立同分布情形一致的结论。     

ψ—混合序列密度估计的强相合性

在较弱的条件下证明ψ－混合序列密度的核估计的强相合性，此结论包含了独立情形下的最优结论。     

m—相依误差回归函数加权估计的强相合性

在ｍ－相依下，研究非参数回归模型的未知回归函数权函数估计的强相合性，得到了较好的结论。     

一类回归模型的M—估计的相合性

设有回归模型y_1=θ_1x_1r θ_2x_2 … θ_1x_p ε,t=1,2,…,N.(1)其中x_1,…,x是(非随机)自变量;ε是随机残差变量;y为因变量;θ_1,…,θ为回归参数。     

非线性模型最小二乘估计强相合性的又一证法

本文采用了一种带有普遍性意义的方法给出非线性模型最小二乘估计强相合性的又一证法,     

m（n）相依样本回归函数改良核估计的强相合性

ｍ（ｎ）相依样本回归函数改良核估计的强相合性杜斌秦更生（数学系）１引言设（Ｘ，Ｙ），（Ｘ１，Ｙ１）……是Ｒｄ×Ｒ１上的同分布随机向量序列，Ｅ｜Ｙ｜＜∞．回归函数ｍ（ｘ）＝Ｅ（Ｙ｜Ｘ＝ｘ）为未知实函数．Ｗａｔｓｏｎ［１］和Ｎａｄａｒａｙａ［２］首先建议...     

M-估计的强相合性

本文在x1，x2，…，xn，…为非随机变量的情况下讨论了模型y1=f（xi，θ）＋εi i=1，2，…，n下的M-估计θn的强相合性，其中θn满足∑^ni=1p（yi-f（xi,θn））=minθ∈⊙ ∑^ni=1p（yi-f（xi,θ））给出了M-估计具有强相合性的一个充分条件。     

时间序列参数估计的稳健相合性和稳健正态性

对于简单样本情形,郑忠国(1986)根据Hampel(1971)的定性稳健性的概念提出了稳健正态性的概念。本文根据P.Pahtoni-Kazakos(1979,1984,1987)关于时间序列定性稳健性的概念,对时间序列模型的参数估计问题提出了稳健相合性和稳健渐近正态性的概念。     

牛顿─拉斐森法及其误差的控制方法

着重对牛顿－拉斐森法误差控制进行研究，提出一种新的误差控制方法，保证了计算的精度和准确性     

平稳序列函数核密度估计的相合性

对v平稳 混合序列给出的样本研究了平稳序列函数核估计的逐点强相合性及一致强相合性,同时给出了收敛速度。设fn为通常的核密度估计,若密度函数f具有有界连续的二阶导数,设∫uK(u)du=0,∫u2K(u)du<∞,证明了,在某些适当的条件下(见定理3),关于一致强相合性有supx∈R|Efn(x)-f(x)|=OP(εn),其中εn=(n-(5τ-2)/(6τ+6)loglogn)。对于逐点强相合性,设f一致连续,在一些较弱的条件下,对固定的x,有fn(x)-f(x)=o(rn),a.s.其中rn=n-29lognloglogn。     

NQD样本线性回归参数M估计的强相合性

M估计是用于多元线性模型的一种用极值点定义的估计,近年来,许多学者对M估计进行了研究,获得了许多突出性成果。文章研究了随机误差为两两NQD列的线性模型中回归参数M估计的强相合性的充分条件,在一定条件下得到了线性回归模型未知参数M估计的强相合性,扩大了线性回归参数的M估计的应用范围。     

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.     

NQD样本下部分线性模型中估计的强相合性

考虑回归模型：yi=xβ g(ti) σei≤i≤n,其中δ^1 i=f(ui),(xi,ti,ui)是固定非随机设计点列,β是未知待估参数,g和f是未知函数,随机误差序列{ei}为同分布的NQD序列．在一定的条件下,得到了β的最小二乘估计β、加权最小二乘估计β^-和最终加权最小二乘估计β^-的强相合性．     

Convergence rate of cross-validation in nonlinear wavelet regression estimation

Cross-validation method is used to choose the three smoothing parameters in nonlinear wavelet regression estimators. The strong consistency and convergence rate of cross-validation nonlinear wavelet regression estimators are obtained.     

随机缺失情况下固定设计半参数回归模型的相合性

目的在随机缺失情况下证明固定设计半参数回归模型的强相合性。方法利用引理,一些不等式及已给条件进行证明。结果证明了参数β的最小二乘估计和未知函数g(.)的非参数核估计是强相合的。结论随机缺失下半参数回归模型中β的参数估计和非参数函数g(.)的估计量是强相合的。     

可加模型中低维分量近邻估计的强相合性

采用Linton & Nielsen(1995)提出的直接估计法,给出了可加模型分量的最近邻估计,并在应变量的一定的矩条件下,讨论了这种估计的强相合性及一致强相合性.     

核估计的一致强相合性

本文研究了样本函数的密度核估计一致强相合性。改变了窗宽条件,扩大了核估计的适用范围。