部分线性分位数回归模型的平均估计

模型平均估计可对不同候选模型中的参数估计量进行加权平均，能有效提高参数估计的精度，在经济、金融和管理等领域有着广泛应用。为提高部分线性分位数回归模型的参数估计效果，本文构造了基于兴趣参数的模型平均估计量并探究了其大样本性质。首先，利用B样条近似非参数函数，并通过极小化分位数损失函数来得出各候选模型的回归系数估计量，在局部误设定框架下推导了系数估计量的渐近分布；其次，基于候选模型中兴趣参数的估计构造出了模型平均估计量，并得出其渐近性质；最后，推导了覆盖真实参数的概率趋近于名义水平的置信区间。本文研究不仅丰富了平均估计的渐近分布理论，而且为兴趣参数构造了合适的置信区间。     

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。     

函数型部分线性可加模型及其估计

对于函数型回归模型,提出一种更一般的半参模型,这个模型能够同时克服参数模型和非参数模型的不足,从而获得更稳健的估计。研究了函数型部分线性可加模型中的参数估计问题,并且建立了估计量的渐近性质,同时推广了现有文献中的相关结果。     

响应变量随机删失时函数型非参数分位数回归模型的估计

文章在响应变量随机删失时，研究了函数型非参数分位数回归模型，通过极小化逆概率加权分位数损失函数，构造模型中未知非参数函数的估计量。在一定的条件下，获得估计量的渐近正态性；通过模拟研究，验证了估计量的有效性。     

含自回归误差项的函数型线性模型的参数估计

针对模型误差为独立同分布的假设并不总是合适的,讨论含有自回归误差项的函数型线性回归模型。考虑到函数型变量和斜率函数无限维的特点,首先进行函数型主成分分析,以函数型变量的协方差函数作谱分解得到的特征函数为基函数,分别以该组基对函数型变量和斜率函数进行逼近,将无限维的参数转化为有限维基函数系数;然后构造AR(1)误差下函数型线性回归模型的参数估计,在一定条件下获得了与独立同分布场合下类似的结果;此外在均方误差的意义下,与忽略AR(1)误差项所得估计量相比,取得更小的均方误差,推广了现有文献中的一些结论和性质。     

离散型随机变量概率函数的研究

极大似然估计法是参数点估计中一种重要的方法。对于连续型随机变量,可以根据密度函数写出似然方程,进而用极大似然法进行参数估计。但是对于大多数给定分布列的离散型随机变量,往往无法直接写出它的概率函数,无法用极大似然估计法进行参数估计。本文构造了分布列的插指多项式作为离散型随机变量的概率函数,从而用极大似然法对参数进行估计,并讨论了估计量的各种性质。     

部分函数型线性回归模型的预平滑估计

采用预平滑方法研究部分函数型线性回归模型,其中模型的响应变量为标量,解释变量由有限维向量和取值于函数空间的函数型变量构成.得到了模型系数的估计量,并讨论所提出估计量的相合性.     

响应缺失的部分函数型EV回归模型的统计推断

针对响应变量随机缺失且解释变量带有测量误差的部分函数型线性回归模型,讨论了模型中未知参数和未知系数函数的估计问题及其渐近性质;先通过一定方法对缺失数据和带有测量误差的数据进行处理,然后将模型转化为一般的函数型线性回归模型,再利用Karhumen-Loevez展开和主成分分析法给出模型的经验形式,最后运用经典的多元统计分析极小化目标函数得到相应未知量的最小二乘估计,并在一定的条件下给出了参数估计量的渐近正态性和斜率函数估计量的收敛速度;从而说明给出的估计量是有效估计,完全观测下的函数型数据统计推断方法可以被推广到不完全观测的情形。     

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.     

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.     

几何模型中参数的经验贝叶斯估计的渐近性

依据经验Bayes估计的思想方法,研究在平方损失函数下几何分布中参数的经验Bayes(EB)估计问题.研究过程为:在平方损失函数下求得参数的Bayes估计,在相同的损失函数下,利用频率逼近概率这一事实,构造参数的EB估计,最后证明所得到的EB估计是渐近最优的,收敛速度为o(n-(2s-1)/(2s+1)).     

对称指数分布的参数估计及其优良性

研究了双参数对称指数分布的参数估计问题,给出了2个参数的极大似然估计.在样本容量为奇数的情形,证明了样本中位数作为双参数对称指数分布位置参数的极大似然估计,具有无偏性与强相合性;尺度参数的极大似然估计具有强相合性.在样本容量为偶数的情形,证明了2个参数的任一极大似然估计均具有强相合性.     

Jackknifed Liu estimator in linear regression models

In this paper, we introduce a generalized Liu estimator and jackknifed Liu estimator in a linear regression model with correlated or heteroscedastic errors. Therefore, we extend the Liu estimator. Under the mean square error(MSE), the jackknifed estimator is superior to the Liu estimator and the jackknifed ridge estimator. We also give a method to select the biasing parameter for d. Furthermore, a numerical example is given to illustvate these theoretical results.     

熵损失下定数Progressive删失情形Weibull分布尺度参数的估计

在熵损失下得到了尺度参数的最小风险同变估计的精确形式, 并讨论了一类形如［cT_α+d］^-1的估计的容许性; 考虑形状参数的估计方法, 进一步给出了熵损失下定数渐进删失Weibull分布两参数都未知时尺度参数的估计.     

组合惩罚似然估计下发散参数变量选择

在Wang等给出的组合惩罚函数的基础之上,将SCAD惩罚部分推广到一般的非凸惩罚的形式,利用岭回归在解释变量相关度较高情形下的良好表现,提出一种推广了的组合惩罚.在参数个数发散的情形之下,利用贝叶斯信息准则(BIC)来选择调整参数,能同时完成变量选择和参数估计.而且还可以证明在合适的条件之下,这种估计具有Oracle性质.模拟研究的结果证明了所提出的方法在预测变量具有强相关性之下的优势.     

矩阵损失下贝叶斯线性无偏估计及其稳健性

证明了,在一般线性模型中,未知参数在二次损失下的贝叶斯线性无偏估计也是矩阵损失下的贝叶斯线性无偏估计.讨论了贝叶斯线性无偏估计关于误差分布的稳健性,给出了未知参数的贝叶斯线性无偏估计是最优估计的充分必要条件.     

最小Hellinger距离方法在扩散过程参数估计中的应用——基于转移密度的估计量

为了研究扩散过程的参数估计问题,本文基于最小Hellinger距离的定义给出了利用转移密度构造的参数估计量.首先定义了转移密度的非参数估计量并研究了它的性质(一致收敛性以及渐近正态性),然后通过最小化扩散过程的转移密度和该密度的一个非参数估计量之间的距离构造扩散过程的参数统计量,实现这一统计量的一致收敛性和渐近正态性.最后为了强调说明该方法的可行性,本文将这一方法应用于几何Brown运动和CEV模型这两个例子.     

经济订购批量模型的参数估计

提出经济订购批量(EOQ)基本模型中参数的估计公式,假定这些参数的实际取值是一定范围内的未知数,并可能随时间而变化.从EOQ的灵敏性分析中引出两种可获得“满意解”的估计方法,进而给出依据最大最小准则和最小期望值准则进行参数估计的计算公式.文末辅以实例说明.     

带约束的参数平差函数模型的影响分析

为了适应测量数据处理理论的需要,本文概括了平差模型影响分析的主要成果,对CM模型数据扰动的影响分析方法进行了理论性的扩展,研究了带约束参数平差模型数据扰动的影响分析问题,建立了X_B(i)和X_B的关系式,其中X_B(i)表示删除约束模型第i组数据的最小二乘估计,X_B表示约束模型未知参数X的最小二乘估计。本文还研究了删除模型的统计性质,建立了度量扰动影的Cook距离。