PA误差下半参数回归模型估计的均方相合性

对于半参数回归模型yi=xiβ+ g(ti)+ei,1≤i≤n,利用最小二乘法和一般加权方法,定义了β,g(t)的估计量(β)n,(g)n(t).在误差为PA序列时,证明了(β)n,(g)n(t)的均方相合性.     

NA误差下回归函数小波估计的渐近性质（英文）

考虑固定设计回归模型Yi=g（xi）＋εi,i=1,…,n,其中{xi}是固定设计点,g（.）是未知函数,{εi}是负相协误差随机误差。本文在适当的条件下,讨论了未知函数g（.）的小波估计量的r-阶矩相合,依概率收敛和强收敛以及渐近正态性。     

LNQD序列半参数回归模型小波估计的强相合性

对于半参数回归模型yi=xiβ+g(ti) +ei(1≤i≤n),误差{ei,1≤i≤n}为平稳LNQD序列,研究了未知参数β和未知函数g(t)小波估计的强相合性,在一定的条件下,得到了合理的结果,把非参数回归模型的相应结果推广到半参数回归模型.     

正相协误差半参数回归模型小波估计的强相合性

研究半参数回归模型yi=xiβ+ g(ti)+ei(1≤i≤n),｛ei,1≤i≤n｝为正相协序列的未知参数β和未知函数g(t)小波估计的强相合性,得到它们的强收敛速度.     

误差为NA序列的回归模型估计的r阶矩相合性

对非参数回归模型yi=g(xi)+ei(i=1,2,…,n),具体讨论误差为NA序列时,对g(x)给出一种加权核估计gn(x),研究gn(x)的r阶矩相合性。对回归模型yi=xiβ+g(ti)+σiei(i=1,2,…,n),讨论误差为NA序列时,给出β的最小二乘估计β,研究β的r阶矩相合性。     

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.     

半参数EV模型二阶段估计的渐近正态性

考虑半参数EV模型 Yi =x′iβ+g(Ti)+ei,Xi =xi +ui,1≤i≤n,β∈Rp 为未知回归参数,g(·)为[0,1]上的未知Borel函数。利用近邻权函数并综合最小二乘法建立了参数的估计量,并研究了它们的渐近正态性。     

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。     

线性过程误差下的半参数回归模型

对半参数回归模型:Yni=β·tni+g(xni)+εni,1≤i≤n。本文利用最小二乘法和一般非参数统计方法,定义β,g的估计量^βn,gn,在误差为一般弱平稳线性过程序列时,获得了^βn,gn的相合性及r阶矩相合性。     

一类混合效应模型的统计分析

考虑一类混合效应模型yij=ai xiβ eij,j=1,2,…,mi,i=1,2,…,n,其中Eai=0,Eai2=σa2,Eeij=0,Eeij2=σe2.给出了参数β,σa2和σe2的估计,并证明了这些估计量的强相合性.还讨论了随机效应ai的方差为零的检验问题,给出了检验方案.     

NA样本回归函数估计的强相合性

在非参数回归模型Yi=g(xi)+εi,1≤i≤n中,研究了当{εi,1≤i≤n}为一致可积的平稳NA相依序列时,未知函数g(x)的权函数估计gn(x)=∑ni=1wni(x)Yi的强相合性。     

一类非线性回归模型在NA样本下的估计问题

考虑固定设计下的非线性回归模型Yni=g(xni) εni，1≤i≤n，当误差为NA序列时，在适当条件下，获得了估计量的r阶平均相合性和渐近正态性。     

误差ei为ρ混合序列在非线性模型下M估计的强相合性

对于非线性模型yi=f(xi,θ)+ei,i=1,2,…,n,当{ei,i=1,2,…,n}为ρ混合序列时,创造合适的条件,在此条件下证明了θ的M估计的强相合性.     

误差为ρ~-时非线性模型M估计的强相合性

对于非线性模型yi=f（xi,θ）＋ei,i=1,2,…,n,当{ei,i=1,2,…,n}为ρ-混合序列时,在适当的条件下证明了θ的M估计的强相合性.     

误差为ρ-时非线性模型M估计的强相合性

对于非线性模型yi=f（xi,θ）＋ei,i=1,2,…,n,当{ei,i=1,2,…,n}为ρ-混合序列时,在适当的条件下证明了θ的M估计的强相合性.     

缺失数据下EV模型的渐近性质

在缺失响应变量的不完全数据下,考虑半参数EV模型,利用二阶段估计的方法求出了EV模型中参数β和非参数g的估计量^βn,^gn.研究了它们的强相合性及渐近正态性.     

变系数EV模型系数参数核估计的改进估计

对变系数EV模型的估计问题进行深入研究,利用核函数法和广义最小二乘法运用类似于迭代的方法改进了变系数EV模型系数参数的估计。首先,将一步核估计■0(ti)(i=1,…,n)代入模型,用广义最小二乘法得到β的第二步估计=Sn-1XT(Y-■0(T))。然后,再将的值代入模型中,将■0(ti)还原成β0(ti),定义β0(t)的最终估计为0(t)=μ10∑i=n1wni(t)(Yi-XiT)在适当的正则条件下,证明了所给的估计具有相合性和一致相合性。最后借助Matlab对估计量进行了模拟研究,结果表明估计的效果较已有结果有所提高。     

半参数回归模型小波估计的强相合性

文章考虑半参数回归模型yi=xiβ g(ti) ei(1≤i≤n),利用小波方法给出了β,g(.)的估计,在适当条件下证明了^β,^g(.)的强相合性,推广了现有文献中的研究成果。     

污染数据回归模型的相合估计

考虑线性回归模型yi=xi′β iε,i=1,2,…n,其中ε=(1ε,…,nε)′满足E()ε=0,Cov()ε=21σV(V>0),假定{yi}受到另一独立同分布的随机变量序列{iμ}的污染,仅能观察到污染数据,{yi}与{iμ}独立,本文给出污染参数及回归系数的参数估计,并证明在适当的条件下其具有强,弱相合性。     

固定设计下鞅序列回归函数的小波估计

对于非参数回归模型Yni=g(tni) εni(i=1,2,…,n),其中{tni}为固定设计点列,{εni}为鞅差序列或Lq-混合鞅下的平稳序列,该文建立了回归函数g(t)的小波估计并研究了其相合性、强相合性。