PA误差下半参数回归模型的小波估计的弱收敛速度

利用小波估计方法研究了误差为PA序列下的半参数回归模型.在适当的条件下,得到了半参数回归模型中参数和非参数小波估计量的弱收敛速度.     

非参数回归模型误差分布估计的大样本性质

讨论了非参数回归模型中误差分布密度估计的渐近正态性和收敛速度等大样本性质。     

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。     

φ混合序列下半参数模型估计的相合性

研究误差序列为φ混合序列的半参数回归模型,利用φ混合序列的Rosenthal型不等式和截尾的方法,讨论参数β的最小二乘估计量和未知函数g(·)的非参数估计量的强相合性和r阶平均相合性.     

基于混合样本的污染线性模型的非参数估计

研究污染线性模型 :yi=(1 -ε)xTiβ zi,1≤i≤n .设误差序列 {zi}是平稳的α 混合序列 ,fε(x)为其公共的未知密度函数 ,在假定Ez2 i<∞的情况下 ,讨论了基于残差的 fε(x)核估计的相合性及其收敛速度 .并构造了污染系数ε及回归参数 β的非参数估计 ,建立了估计量的强相合性及强收敛速度 .     

非参数回归模型基于残差的样条估计

为了探究固定设计下具有α-混合相依误差的非参数回归模型的估计理论,基于多样式样条方法对均值函数进行了估计,利用残差构造了方差函数的样条估计。在一般假设条件下,均值函数估计量和方差函数估计量具有相同的一致收敛速度。数值模拟结果显示:基于贝叶斯信息准则下的样条估计优于赤池信息准则下的样条估计和局部线性估计。     

PA误差下半参数回归模型估计的r-阶矩相合

对于半参数回归模型 Yni=β·tni+g(xni)+εni,1≤i≤n, 其中｛εni,1≤i≤n｝为PA相依误差,在适当的条件下, 得到未知回归函数g(x)和未知参数β估计量的r 阶矩相合性。     

线性过程误差下回归函数的样条估计

针对固定设计和线性过程误差下的非参数回归模型,在较弱条件下,讨论了回归函数的多项式样条估计的逐点相合性,得到了逐点收敛速度.模拟算例表明了估计方法的可行性.     

半参数回归模型局部多项式估计的渐近性质

利用最小二乘局部多项式方法建立了半参数回归模型参数分量、非参数分量和误差方差的局部多项式估计,在适当的条件下,得到它们的渐近正态性和最优收敛速度。     

PA序列下半参数回归函数估计的强相合性

对于半参数回归模型Yni=β.tni＋g（xni）＋εni,（1≤i≤n）,在误差{εni,1≤i≤n}为平稳PA相依序列条件下,得到未知函数g（x）的权函数估计和未知参数β估计的强相合性.     

相依函数型数据递推改良核回归估计的收敛性

研究了基于相依函数型数据非参数回归函数算子的估计问题,构造了非参数回归函数算子递归改良核估计,利用非参数函数型渐近理论,对估计量进行分解,建立了其递归改良核估计在α-混合相依函数型数据下的几乎完全收敛性及其收敛速度,推广了现有文献中的相关结果.     

(ψ)-混合误差下半参数回归模型小波估计的γ阶矩收敛速度

考虑一类固定设计下的半参数回归模型yi=xiβ+ g(ti)+ei,i=1,2,…,n,对于模型中的未知参数β和未知函数g(t)的小波估计(∧β)n和(∧g)n(t).,在{ei,1≤i≤n)是(ψ)-混合随机误差时,研究了(∧β)n和(∧g)n(t)的γ阶矩一致收敛速度.     

m-END误差下回归模型加权估计的相合性

m-END随机变量是一类很弱的负相依随机变量,它包含了NA随机变量、NOD随机变量和END随机变量。本文基于误差为m-END序列,研究非参数回归模型未知参数的加权估计,获得了加权估计的收敛性,包括矩相合性收敛速度和完全相合性收敛速度。作为应用,给出非参数回归模型未知参数近邻权估计的矩相合性收敛速度和完全相合性收敛速度。     

一类半参数回归模型中M估计的收敛速度

考虑半参数回归模型yi=xTiβ0+g(ti)+ei,i=1,2,…,n。其中,β0是未知参数,g是未知函数。当g的估计取一类非参数权估计(包括核估计和最近邻估计)时,文章讨论了参数β0的M估计β0的强收敛速度和未知函数g的估计g*n(t)的一致强收敛速度,从而得到β0-β0=O(n-1/2(logn)1/2)　a.s.和sup|g*n(t)-g(t)|=O(n1/3logn)　a.s.。0≤t≤1     

φ混合序列的若干收敛性质

讨论φ^～混合序列的收敛性质,得到3个完全收敛定理,将φ^～混合序列独立情形下的收敛性质较好地推广到相依情形．     

强混合序列下非参回归函数加权核估计的强收敛速度

在误差项为强混合序列的条件下,利用随机变量部分和的矩不等式,讨论非参回归函数加权核估计的强相合性,给出其收敛速度.当样本矩足够大时,强相合的收敛速度约等于n-1/2.     

NA样本下回归函数估计的收敛速度

在误差为NA序列的条件下,研究了固定设计点列下非参数回归函数一般权函数的非参数估计,并在一些基本条件下给出了估计的一致最优强收敛速度。     

鞅差误差下非参数方差模型的样条估计

考虑固定设计和鞅差误差下的非参数方差模型,利用多项式样条方法,得到了非参数方差函数估计的最优全局收敛速度和一致收敛速度。模拟算例不仅说明了样条估计方法的可行性,而且其拟合效果和估计性质在一定条件下还优于局部线性方法。     

φ混合序列的几乎处处收敛性

讨论φ^～混合序列级数的收敛性,得到φ^～混合序列的几个几乎处处收敛定理,把文献[2]中ρ^～混合序列的相关收敛性质推广到φ^～混合序列．     

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。