二维指数信号模型中参数Bootstrap估计的渐近正态性

主要研究了二维带白噪声指数信号模型中参数估计的Bootstrop逼近,借助于回归模型中Bootstrap逼近的构造方法,给出了二维指数信号模型参数的自助估计,并证明了自助估计的渐近正态性.     

广义线性模型参数估计的随机加权法

在广义线性模型中,用随机加权法求解参数估计的渐近方差.通过推导给出随机加权参数估计与未加权参数估计的渐近分布,并且证明它们是相同的,从而可以用容易获得的随机加权估计的渐近分布去近似原参数估计的渐近分布.     

鞅在分层比例风险模型中的应用

用极大似然估计的方法确定带有右删失数据的具有Cox强度的时间相依协变量分层比例风险模型的参数估计形式,并采用鞅方法得出该模型的参数估计是相合的且是渐近正态的.由此得出,在临床试验中该模型的参数采用极大似然法来估计是可行的.     

一种基于粒子群算法改进的ARCH模型及对国内油价波动的研究

传统的ARCH模型族在参数估计中使用的极大似然估计存在鲁棒性差和易收敛到局部最优解的缺点,为克服传统参数估计的上述缺点,提出了基于粒子群算法改进的智能算法,并利用粒子群算法对国内油价建立了AR(1)-ARCH、AR(1)-TARCH(1)模型.     

带有线性测量误差的半参数EV模型的估计

研究一类带有线性测量误差的半参数EV模型的估计问题.通过综合利用核光滑方法、修正最小二乘法和广义最小二乘法给出未知参数和未知函数的估计.在一般条件下,证明了未知参数估计的渐近正态性并给出了未知函数估计的收敛速度.     

一个整值ARCH（p）模型的经验似然推断

研究整值ARCH(p)模型的经验似然推断.利用经验似然方法, 给出了模型参数的最大经验似然估计, 并证明了估计量的相合性和渐近正态性.     

比例可加模型的参数估计

讨论了比例可加模型的参数估计.使用局部线性方法和平均方法定义了参数给定情况下未知函数的平均估计,然后使用回切方法和最小二乘法给出了未知参数向量的估计,并研究了参数估计的渐近正态性.     

基于原始自助法估计异方差线性模型

利用原始自助法(wild bootstrap)估计异方差线性模型,建立了异方差线性模型中参数部分的最小二乘估计的渐近分布,给出了非齐次方差的协差阵的一个相合估计.     

序约束下ARCH模型的最小二乘估计

研究序约束条件下自回归条件异方差(ARCH)模型的统计 推断. 给出ARCH(q)模型中非负参数(α₀,α₁,α₂,…, α_q)的一种最小二乘估计的准则函数, 证明了由此得到参数估计的强相合性. 而且通过讨论在序约束(α₁≥α₂≥…≥α_q)下估计的 准确形式及其渐近性, 得到了检验统计量的形式, 从而解决了在参 数空间有序约束条件下的假设检验问题.     

带混合测量误差的线性回归模型的参数估计

在研究带测量误差的线性回归模型时常考虑的是classical测量误差或者Berkson测量误差,而classical和Berkson混合的测量误差研究较少.利用校正似然法讨论带classical和Berkson混合测量误差的线性回归模型的参数估计,并给出估计量的渐近分布.最后,通过R软件进行数值模拟验证估计方法的优良性.