污染数据半参数回归模型中的强相合估计

同删失数据一样 ,在实际工作中经常遇到一些关于污染数据的统计分析问题 .对于删失数据已得到了一系列较为深刻的结果 ,但对污染数据问题的研究却不多 .污染数据回归模型是生物统计中常用的模型 .考虑一类污染数据半参数回归模型 ,建立了模型的参数、回归函数和污染系数的估计 ,并在适当条件下证明了它们具有强相合性 .     

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。     

纵向污染数据半参数回归模型中的强相合估计

研究了一类纵向污染数据的半参数回归模型，并在更切合实际的情况下，建立了模型参数和回归函数的估计方法，在适当的条件下，证明了所建立的估计量均具有强相合性。     

污染数据回归模型的强相合估计

讨论了(I)型污染回归模型,并不假定误差分布为正态,分别从误差方差为已知和未知两个方面给出污染系数及回归系数的参数估计,并在适当的条件下证明其强相合性.     

一类半参数回归模型讨厌参数的相合估计

讨论一类半参数回归模型y=xβ+g(t(1)+t(2)α)+e,其中g(·)未知,α、β为实参数,e为随机误差 设有样本{(ti,xi,yi)}ni)′,构造了g(·)、β和讨厌参数α的估计,并证明了其相合性 i,t(2)i=1,ti=(t(1)     

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.     

污染数据线性回归模型的参数估计和区间估计

研究线性回归模型：yi=α＋βxi＋εi,i=1，2，…，n，其中Eεi=0，Eεi^2=σ1^2;但y1，y2，…，yn受到另一个独立同分布随机变量序列W1，W2，…，Wn的污染，仅能观察到yi^＊=（1-v）yi＋vwi,i=1，2，…n，Wi与yi相互独立．文章给出了α，β，v的估计及区间估计．     

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．     

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。     

污染数据线性回归模型的参数估计

研究了简单回归模型中响应变量受到另一随机变量序列污染时 ,模型参数和污染系数的估计方法 .在适当条件下 ,证明了所建立的估计量都具有强相合性     

带有约束条件的一般线性模型参数估计

研究了误差相关及未知参数有约束情况下线性回归模型的参数估计问题,分别给出了可控制矩阵列满秩与列不满秩情况下参数的最佳线性无偏估计.     

一般线性回归模型的参数估计

传统的最小二乘估计在处理一般线性回归模型的参数β和σ2的估计问题时,若遇到异常数据模型拟和得往往不好,现提出另一种估计方法:修正的最小二乘估计.结果表明此方法在处理异常数据时具有明显的优越性.     

关于《一元线性模型最小二乘估计的强相合性》的注记

通过直接考虑随机误差变量的方差,研究了一元线性模型最小二乘估计的强相合性,所给定理减弱并简化了[1]的条件和形式,从而推广了结果、扩大了应用范围。     

随机函数的多项式最佳逼近与线性回归模型的非线性推广

将泛函分析的逼近论方法运用于随机函数空间,而在此观点下,给出线性回归模型理论的非线性推广,且得到其回归(最佳逼近)系数与回归(最佳逼近)误差的强相合估计.