相关误差的变系数模型的估计

在误差相关的情况下，使用局部线性方法给出变系数模型的估计，并讨论估计的渐近正态性。     

误差为AR(1)型的线性结构关系EV模型参数估计

利用正交回归法和最小二乘法,给出了当x,y均服从正态分布且误差为AR(1)模型的线性结构关系EV模型中参数φ,β0和β1的估计量,并且证明其均具有强相合性.     

混合误差下半变系数模型估计的相合性

讨论了误差序列{εi,1≤i≤n}是α-混合条件下的变系数模型.利用局部多项式方法给出变系数模型系数函数的估计,并在此基础上讨论了系数函数估计的相合性问题,最终证明了该模型系数函数估计是弱相和合的.     

误差为AR(1)情形的半参数回归模型拟极大似然估计的存在性

在误差为AR(1)时间序列的情形下,给出了半参数回归模型的拟极大似然估计方程,并研究了拟极大似然估计量的存在性。     

随机AR(1)MA(1)模型的参数矩估计及其相容性

利用矩估计法,给出了双重时序模型AR（1）－MA（1）的参数矩估计。在第二重模型MA（1）噪声方差已知的条件下,通过对协方差函数渐近性质的研究,证明了该矩估计的相容性。讨论了第二重模型满足对数MA时的参数的矩估计及其相容性、自相关函数及谱密度。     

时间序列AR模型参数的积分求解法

基于对时间序列实质的分析，提出了旨在减少序列的随机误差影响以及提高拟合精度的ＡＲ模型参数的积分求解法，重点讨论了ＡＲ（１）模型及ＡＲ（ｐ）模型参数的积分求解法，并与最小二乘法在计算机上进行了仿真比较，结果表明，有用积分求解法所得ＡＲ模型参数的估计精度比最小二乘法的高。     

变系数模型小波估计的渐近性质

为了克服非参数回归函数估计的"维数祸根",Hastie和Tibshirani提出了变系数模型.变系数模型涵盖了一些常用的统计模型,因而引起了许多统计学家的研究兴趣.文章主要研究在回归协变量为随机设计情形下变系数模型的小波估计的渐近性质,在适当条件下证明了变系数模型小波估计的弱相合性和强相合性,并且给出了强相合速度.     

基于时间序列中AR（p）模型的风险模型研究

本文在引入时间序列中的AR(p)模型后,在保单的保险费随机收取并且满足AR(1)模型的条件下,研究了风险模型的调节系数和破产概率,推广了文献[3-4]的结论。     

具有自相关误差变系数回归模型的局部线性估计

变系数回归模型误差具有自回归结构时,基于重新改写具有自回归误差的变系数回归模型为独立误差的变系数回归模型,文章提出其局部线性估计方法.模拟结果显示该估计方法是有效的.     

误差相关下半变系数模型的随机约束估计

讨论误差相关下半变系数模型的随机约束估计。先用局部线性方法给出未知系数函数的估计,再由最小二乘法估计出未知参量,并讨论了估计的渐近正态性。     

基于Wild Bootstrap 非参数方法的AR模型线性检验

介绍了AR模型线性的非参数核检验统计量,并对检验统计量进行了检验水平和检验势的Wild Bootstrap模拟.模拟结果显示,非参数核检验统计量的Wild Bootstrap检验稳健性和可靠性都比渐近检验高,TAR与双线性AR模型比其他3种AR的检验势高.     

AR(1)误差的非线性随机效应模型的参数估计

介绍一类具有AR（1）误差的非线性随机效应模型估计的EM算法。这种算法能一次性的估计出模型中的所有参数，并用随机模拟数据和实际例子说明了EM算法的有效性。     

AR(p)模型的诊断定理及其应用

基于一个时间序列的观察值和其估计值，给出了一个AR(p)模型的诊断定理，并证实了对发展变化较为健康的经济时序数据，比如我国的国内生产总值(1952年～1999年)，我们能用AR(p)模型很好地来刻画．     

多维AR（p）模型的估计理论及应用

叙述了多维AR(p)模型的分析与处理方法、多维AR(p)预测模型的建模过程及参数估计的计算方法，并将该模型在测井曲线的预测中加以实际应用．应用结果表明：本预测模型对多维动态数据进行预测是可行的。     

最小条件评定圆度误差的优化计算

本文介绍用优化方法,根据最小条件圆准则编制程序,可在夏普PC-1500、卡西欧PB-700等微机上计算圆度误差。文中还讨论了在计算圆度误差时径向偏移量及其所选用放大比的不同对圆度误差的影响。并推导了失真畸变影响圆度误差的极值△_(max)和放大倍数K、偏心距e等的关系式,定量说明它们之间的关系。     

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。     

样本来自AR（1）型平稳过程的控制图

本文利用平稳随机过程的理论,建立了观察值服从一阶平稳自回归模型的控制图,并且将它与样本来自独立同分布随机序列的控制图进行了比较,指出后者是前者的特例。     

m维AR(1)模型的统计诊断

目的基于统计诊断的影响分析,对m维AR(1)模型的数据点进行了影响分析。方法基于数据删除模型,同时引入广义Cook距离。结果得到二维AR(1)模型的参数估计诊断公式,给出了Cook统计量的计算公式。结论对m维AR(1)模型进行了初步的统计诊断。