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.     

参数已知比例可加模型的有效估计

讨论了比例可加模型的非参数估计.利用局部线性方法和平均方法给出函数的平均估计,结合回切方法,定义了函数的有效估计,并研究了有效估计的相合性与渐近正态性.     

参数已知比例可加模型的平均估计

讨论比例可加模型的非参数估计.首先,由局部线性方法给出初始值,然后,通过平均初估计定义了函数的平均估计;进一步,研究了平均估计的渐近正态性.     

参数已知比例可加模型的M-估计

讨论比例可加模型的非参数估计。首先,使用局部线性方法和平均方法给出了未知函数的初估计,然后利用回切方法,定义了未知函数及其导函数的M-估计;进一步,研究了该稳健的M-估计的弱相合性与渐近正态性。     

可加模型中低维分量近邻估计的强相合性

采用Linton & Nielsen(1995)提出的直接估计法,给出了可加模型分量的最近邻估计,并在应变量的一定的矩条件下,讨论了这种估计的强相合性及一致强相合性.     

可加模型中低维分量核估计的强相合性

该文采用Ｌｉｎｔｏｎ ＆ Ｎｉｅｌｓｅｎ（１９９５） 提出的基于边际积分的直接估计法，给出了可加模型中可加分量的核估计． 在应变量一定的矩条件下，建立了这种估计的强相合性．     

线性回归模型参数LS估计r阶平均相合性的一个结果

考虑带常数项的一元线性回归模型yi=α＋xβ＋ei,1≤i≤n中常数项与回归系数的LS估计的r阶平均相合性之间的关系,得到一个r阶平均相合性的一个结果。     

固定设计下部分线性模型中小波估计的相合性

在固定设计下研究部分线性模型中回归参数β和回归函数g(t)的估计问题.利用小波光滑方法和最小二乘方法构造β和g(t)的小波估计,在适当的条件下,证明它们均具有强相合性和pp≥2阶平均相合性.     

部分线性模型中非参数估计的强相合性

考虑部分线性模型:y_i=x_iβ+g(t_i)+σ_ie_i,1≤i≤n,其中σ_i~2=f(u_i),(x_i,t_i,u_i)是固定非随机设计点列,f(·)和 g(·)是未知函数,β是待估参数,e_i 是随机误差。我们研究了基于β的最小二乘估计β_n 和加权最小二乘估计_n 的非参数 g(·)的估计,并证明了他们的强相合性。     

部分线性可加模型的约束估计

文章讨论部分线性模型在约束情况下的估计问题.在一般的线性约束条件下利用两种方法构造参数分量的约束估计;当参数部分附加随机约束条件时,依据混合估计方法与Profile最小二乘方法,构造参数分量的随机约束估计;讨论一般约束估计和随机约束估计的关系.     

混合误差下半变系数模型估计的相合性

讨论了误差序列{εi,1≤i≤n}是α-混合条件下的变系数模型.利用局部多项式方法给出变系数模型系数函数的估计,并在此基础上讨论了系数函数估计的相合性问题,最终证明了该模型系数函数估计是弱相和合的.     

可加危险生存治愈模型的估计

最近以来,可加危险(AH)模型被广泛地应用于生存分析数据,模型的协变量可以假设为时间独立或时间相关.基于混合、非混合治愈模型和“不正确”的比例危险模型,本文将上述的可乘危险模型延伸到可加的危险模型,这里的模型可以允许含治愈部分的生存数据的存在.“不正确”的AH模型的模型识别和参数估计也在文中进行了讨论.     

可加危险生存治愈模型的估计

最近以来，可加危险（AH）模型被广泛地应用于生存分析数据，模型的协变量可以假设为时间独立或时间相关。基于混合、非混合治愈模型和“不正确”的比例危险模型，本文将上述的可乘危险模型延伸到可加的危险模型，这里的模型可以允许含治愈部分的生存数据的存在。“不正确”的AH模型的模型识别和参数估计也在文中进行了讨论。     

结构型EV多项式模型参数估计的相合性

在EV模型中,函数型EV多项式模型中未知参数估计问题已解决,但在结构型EV多项式模型中还未解决。利用改进的最小二乘估计方法构造了结构型EV多项式模型中未知参数β、2σ的估计量^β、^σ2,获得了估计量^β、^σ2分别是β、2σ的弱相合估计。