非对称DAR模型的估计与检验

本文研究非对称DAR模型的估计和检验问题.运用拟极大似然方法,构造模型的参数估计,在某些正则条件下,证明估计的相合性和渐近正态性.基于此,构造拟似然比统计量检验模型的非对称性,在原假设和备择假设下,给出该统计量的渐近分布.数值模拟和实证分析结果表明:本文所构造的模型参数估计和检验方法具有良好的有限样本性质.     

一维复指数信号模型中参数估计的Jackknife逼近

研究了一维带白噪声复值响应指数信号模型参数估计的Jackknife逼近,构造了其参数的Jackknife估计,证明了刀切估计值的强相合性和渐近无偏性,以及刀切虚拟值的渐近正态性.     

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.     

RS随机序关系的一个非参数统计检验方法

构造了一个非参数统计方法以检验两个随机变量之间的RS随机序关系，利用L-统计量的性质得到了该检验统计量的渐近正态性．     

Chan-Karloyi-Longstaff-Sanders模型的参数估计

Chan-Karloyi-Longstaff-Sanders模型是典型的短期利率模型,在金融市场具有重要的应用价值。文章研究了离散观测下Chan-Karloyi-Longstaff-Sanders模型的参数估计问题。首先,利用Euler方法离散化连续时间扩散过程,定义一个新变量并给出新过程的密度函数。其次,运用极大似然估计法给出参数估计量和估计误差的解析表达式。然后,运用鞅大数定律、Holder不等式、B-D-G不等式和Cauchy-Schwarz不等式证明了参数估计量的一致收敛性。最后,通过数值例子给出估计量和估计量与参数真值绝对误差的模拟结果,并通过模拟结果验证了估计方法的有效性。     

一类周期均值回复过程的最小二乘估计

考虑一类周期均值回复过程的参数估计问题.基于连续样本轨道,应用最小二乘技巧构造了漂移项中未知参数的估计量。并利用多重随机积分的中心极限定理,证明了当观察的周期数趋向无穷大时该最小二乘估计量具有渐近正态性.     

缺失数据情形下两个Poisson分布总体参数的估计和检验

本文对具有部分缺失数据的两个poisson分布总体的参数估计问题以及两总体参数相等的假设检验问题进行了进一步的讨论.证明了估计的相合性和渐近正态性,给出了检验两总体参数相等的检验统计量和检验统计量的极限分布.     

具有部分缺失数据的两个二项分布的估计

讨论了部分缺失数据下两个二项分布成功概率的Bayes估计以及总体参数的估计,证明了总体参数估计量的强相合性与渐近正态性.     

具有部分缺失数据的两个瑞利分布总体参数的估计与检验

研究具有部分缺失数据的两个瑞利分布总体中的参数估计问题以及两总体参数相等的假设检验问题.证明了估计的强相合性以及渐近正态性,给出检验两总体参数相等的检验统计量以及检验统计量的极限分布.     

具有缺失数据的两个0-1分布总体参数的估计和检验

对具有缺失数据的两个0-1分布总体的参数估计问题进行研究,证明了估计的强相合性和渐近正态性,给出了两个总体参数相等的检验统计量以及检验统计量的极限分布.     

因变量缺失下线性回归模型的估计与检验

文章研究因变量缺失下的线性回归模型,借助单点插补方法,首先给出模型的估计,研究参数估计量的渐近正态性,其次,对于模型系数的线性约束检验问题,基于Wald方法构造检验统计量并给出其渐近分布.最后,通过数值模拟验证所提方法的有效性.     

具有部分缺失数据的两个对数正态分布总体参数的估计和检验

研究了部分缺失数据下的两个对数正态分布总体的参数估计问题以及两个总体参数相等的假设检验问题,证明了估计的强相合性和渐近正态性,同时给出了检验两总体参数相等的检验统计量以及检验统计量的极限分布.     

部分线性模型的LASSO估计及其渐近性

结合截面最小二乘估计思想,构造了LASSO惩罚截面最小二乘估计,并研究了惩罚参数和窗宽的选择问题。由于部分线性模型LASSO解仍为线性优化问题,因此容易实现。在一定条件下,本文还研究了参数估计量的相合性和渐近正态性。最后通过蒙特卡洛模拟研究了变量选择方法的小样本性质。     

半参数广义线性模型的矩估计及其渐进性

针对概率统计中的半参数广义线性模型(SGLMS),利用了正交空间、核函数、正交计算方法及独立随机分布的概念和性质,研究了广义线性模型中未知参数的估计问题,给出了回归参数的矩估计方法及其相应的性质,给出了参数估计量为一致有效性和近似正态性的充分条件,并证明了参数估计量是一致有效性和近似正态性的结论.所给出的回归参数的矩估计方法推广了已有文献中要求参数完全已知的假设,因此该方法和结果更具有一般性和理论价值.     

半参数单调变系数部分线性EV模型的估计

主要研究半参数单调变系数部分线性EV模型的估计问题,提出了单调纠偏profile最小二乘估计方法,给出了模型中未知参数和单调变系数函数的估计,并在适当条件下证明了参数估计的渐近正态性和非参数单调估计的渐近性质.最后利用计算机数值模拟验证了本文所提方法的可行性及有限样本估计结果的性质.     

一般正态ARMA序列参数估计量的渐近优效性

本文采用把参数估计量随机展开的方法,严格证明了时序分析中,一般正态ARM A序列参数估计量的渐近优效性(意即渐近最小方差性)。     

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。     

两指数总体带缺失数据的参数估计和检验

本文讨论了含有缺失数据的两个服从指数总体的参数估计和检验,证明了该估计的强相合性与渐近正态性,给出了两组对比检验的检验统计量.讨论了基于极限分布的检验问题,并且在此基础上给出了总体参数差的渐近置信区间.