半参数回归模型随机加权估计的渐近展开

指出对简单的半参数回归模型y=xβ＋g（t）＋ε,在进行参数估计时,为避免利用BOOtstrap法需进行重新抽样,应用随机加权法构造了涉及参数β的最小二乘随机加权估计量λ,并且在适当的条件下获得了λn分布的Edgcworth展开,其收敛速度可达到O（n^-1/2）。     

半参数回归模型中参数随机加权估计的大样本性质

主要考虑了同方差型的半参数线性回归模型中参数的随机加权最小二乘估计（RwLsE）．讨论了用随机加权Bootstrap方法来逼近LSE的分布,证明这种逼近是以概率1渐近有效的．     

半参数测量误差模型中参数的随机加权估计

给出了半参数测量误差模型中参数的随机加权最小二乘估计.讨论了用随机加权方法逼近最小二乘估计的分布,证明这种逼近是以概率1渐近有效的,并用模拟例子验证了提出方法的有效性.     

半参数回归模型参数的Bayes估计

讨论了半参数回归模型在先验正态假设下的Bayes估计,当σ2已知时,它是Blight的著作中非参数回归有关结果的推广,还给出了当σ2未知时,各参数相应的Bayes估计     

半参数回归模型在随机删矢下的估计

首先给出半参数回归模型在随机删矢下的估计，然后证明他们的强相合性．     

关于随机截断下半参数回归模型中的相合估计的一点注记

文[1]研究了随机截断下半参数回归模型中的相合估计,但其强相合性的证明有些问题。本文给出了其强相合性的新的证明。     

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。     

一类分布的随机加权逼近

研究了一类有渐近展开分布的逼近问题,应用随机加权法给出了比正态逼近精度更高的模拟分布．     

随机删矢下半参数回归模型估计的相合性

首先给出ｇ（·）的一类核估计和β的最小二乘估计，然后证明它们具有强相合性．     

随机删矢下半参数回归模型的另一种估计

在ｘｉ 和ｔｉ 相互独立的假设下, 首先将半参数回归的模型变换成一个标准的线性模型, 利用最小二乘法得到β的估计,然后由残差得出ｇ（ｔ） 的估计, 最后证明它们具有强相合性     

半参数回归模型中基于稳健散布阵的参数估计

基于稳健M-估计所得到的散布矩阵,给出了半参数回归模型中回归参数β的稳健估计,并证明了估计量的强相合性以及渐近正态性.     

随机加权逼近的再构造方法

对一般线性回归模型中有关参数估计分布的模拟问题,给出一种随机加权逼近的再构造方法。此法不仅形式简洁,直观意义强,对模型具有稳健性,而且还能适用于其它有关情形。     

AR（1）模型参数估计误差的随机加权逼近的收敛速度

本文构造了适当的随机加权统计量,证明了以此统计量的条件分布逼近AR(1)模型参数的LS估计误差的分布,其收敛速度可达到0(1/n~(1/2))。     

一类半参数模型的正交级数及最小二乘估计

考虑半参数回归模型Y_i=X_iβ+g(X_iβ)+e_i,i=1,…,n。用正交级数和最小二乘法构造了β和g的估计β和g,证明β和g的强相合性,并把此结果应用于截断回归模型=Xβ+e,e～F(未知)中未知参数β和误差分布F的估计.     

非共同支撑回归模型中参数估计的Bahadur渐近有效性

对于具有非共同支撑误差分布的线性回归模型，在可以重复观测的条件，导出了回归参数估计的Bahadur界，并基于该Bahadur界定义了Bahadur渐近有效估计的概念。最后，利用极值统计量构造了相应的Bahadur渐近有效估计。     

SUR 回归模型中最小二乘估计与 Gauss-Markof 估计及两步估计重合的条件

讨论了（１）如何确定ＳＵＲ回归模型的协方差参数矩阵的列展空间;（２）在什么条件之下,ＳＵＲ回归模型的最小二乘估计,Ｇａｕｓｓ－Ｍａｒｋｏｆ估计,及Ｚｅｌｎｅｒ的两步估计可以相等。此外,也得到了关于最小二乘估计在线性无偏估计类中的容许性的某些结果。     

基于截断数据三角级数回归估计

将截断数据回归模型转化成半参数回归模型，基于半参数回归模型，用三角级数法估计未知参数β及ｆ。对误差分布未作任何假定，在很一般的条件下，证明了估计量β及ｆｍ（ｔ）具有均方相合性及几乎处理处处收敛性，同时证明了β具有渐近正态性，估计的表达式较为简单，实用。     

结构关系度量误差模型中参数估计的渐近性质

考虑结构关系度量误差模型其中P维向量Y,q维向量Z为可观测随机变量,X为不可观测随机变量,U,F分别表示相应的度量误差,H（x,θ）是未知参数θ的非线性函数,参数空间是Rm中的有界闭区间．假设X,U,F相互独立,X服从包括正态分布的一类椭球等高分布,U～N（0,U）,F～N（0,F）,F＞0已知．在一定条件下给出了θ的一个强相合且渐近正态估计．     

系数随机的多元线性回归模型的参数估计

对一般系数随机的带有相关因子的多元线性回归模型的参数进行估计。估计值是用EM算法给出的极大似然估计或约束的极大似然估计。给出了EM算法的具体公式,并利用bootstrap方法估算出这些估计值的精确度。最后通过一判别儿童总体中是否存在Catch-Up生长的例子以解释给出的方法。