(p)混合误差下波动函数的局部多项式估计

文章考虑了具有混合误差的固定设计下的非参数回归模型,在回归函数及波动函数未知的情况下,利用回归函数的局部多项式估计,构造了波动函数的局部多项式估计;给出了该估计的渐近偏差和渐近方差,并在一定条件下得到了该估计的渐近正态性.     

右删失数据下回归函数的局部组合分位数回归估计

本文研究右删失数据情形下的组合分位数回归模型,采用局部多项式逼近来估计回归函数,得到回归函数在某一点的估计量的渐近正态性和区间估计,并通过蒙特卡洛模拟验证了所提方法的有限样本性质。     

部分线性回归模型中的广义似然比检验

检验了部分线性回归模型中的函数部分是否为常数, 在备择假设下, 先用局部多项式方法估计出函数部分, 在估计中忽略了参数部分, 将其并入误差项, 再使用二阶段估计法, 直接应用最小二乘方法, 估计出参数部分, 并讨论了它们的渐近性质. 计算了零假设下广义似然比检验统计量的表达式, 并给出其渐近分布.     

缺失数据下局部M-估计的相合性和渐近正态性

在缺失响应变量的不完全数据下,对非参数回归模型进行研究,利用稳健的变窗宽局部线性回归的方法,给出了回归函数m(x)的估计,并证明了局部M-估计具有相合性和渐近正态性.所提出的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.并且使用变窗宽提高了所得M-估计的可塑性,使之能成功地处理空间非齐次曲线、异方差性及非均匀设计密度.所得估计的渐近结果为求渐近最优方案以及直接从数据估计最优变窗宽提供了理论基础.     

参数已知下比例函数系数线性模型的局部多项式估计

比例函数系数模型在统计中有很广泛的应用,文中对该模型使用局部多项式方法进行估计,给出了函数系数的估计及其渐近正态性。     

半变系数模型的估计及性质

半变系数模型在统计中具有重要的应用,本文时该模型的常数系数,采用局部多项式估计方法和平均方法,给出了它的估计,对于函数系数的估计通过应用常数系数的估计,采用局部多项式估计方法给出其估计,并给出估计的渐近正态性和证明．     

半参数回归模型的局部多项式光滑

利用最小二乘局部多项式方法建立了半回归模型参分量和非参数分量的局部多项式估计,在适当条件下,得到了它们的渐近正态性和最优弱收敛速度。     

半变系数模型的局部多项式估计

半变系数模型在统计中具有重要的应用。文章对该模型的常数系数，采用局部多项式估计方法和平均方法，给出了它的估计，对于函数系数通过应用常数系数的估计，采用局部多项式估计方法给出其估计，并给出估计的渐近正态性和证明。     

时空加权回归模型局部线性估计的渐近性质

在模型分析中,对未知参数的估计及其相关性质的研究甚为重要。首先通过假定时空加权回归模型的回归系数是时空位置的函数,给出了时空加权回归模型的一种局部线性估计方法。其次,在假设I~V及引理1下,研究了由此估计方法得到的第p个系数函数估计量所具有的渐近条件性质。最后,证明了第p个系数函数估计量的渐近条件偏差和渐近条件方差。结果表明该估计具有良好的表现。     

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。     

时空自回归半参数延迟回归模型的岭估计

研究时空自回归半参数延迟回归模型.基于局部多项式给出了该模型的两步估计方法,并针对复共线性问题提出该模型的岭估计,给出了岭估计的渐近性质.通过数值模拟验证了提出的估计方法的可行性.     

时空加权回归模型局部线性估计的渐近性质

在模型分析中,对未知参数的估计及其相关性质的研究甚为重要。首先通过假定时空加权回归模型的回归系数是时空位置的函数,给出了时空加权回归模型的一种局部线性估计方法。其次,在假设I~V及引理1下,研究了由此估计方法得到的第p个系数函数估计量所具有的渐近条件性质。最后,证明了第p个系数函数估计量的渐近条件偏差和渐近条件方差。结果表明该估计具有良好的表现。
     

函数系数部分线性回归模型的变量选择方法

函数系数部分线性回归模型是变系数模型中的一种特殊情形,文章对这种新的变系数模型的变量选择问题进行了主要研究．首先,运用局部多项式方法得到非参数项的估计,并且使用B样条逼近函数系数,选取SCAD惩罚作为变量选择方法．其次,得到了估计的渐近性质．最后,模拟说明了该估计方法较好地达到了变量选择的目的．     

变系数回归模型的局部M-估计

讨论了变系数回归模型的系数函数的估计问题.在通常的局部M-回归方法基础上嵌入一个变窗宽对模型的系数函数进行了估计,并在样本独立同分布的情况下,讨论了系数函数估计的弱相合性和渐近正态性,最后,给出了估计的渐近性质的证明.     

固定设计下回归函数局部线性核估计的渐近性质

讨论固定设计下,局部线性核估计内部和外界地区的渐近性质．固定设计下回归函数局部线性核估计具有自适应性,在内部地区和外界地区具有相同的收敛速度．     

缺失数据下局部线性回归估计的渐近性质

在缺失响应变量的不完全数据下,对非参数回归模型进行研究,利用局部线性回归的方法,给出了回归函数m(x)的估计,并证明了缺失数据下局部线性回归光滑具有渐近正态性和相合性.     

关于回归函数的核估计的渐近正态性

研究了回归函数的核估计的渐近性质。证明了在一定条件下、回归函数的核估计序列是渐近正态的。     

缺失数据下非参数回归估计

在缺失响应变量的不完全数据下,利用局部线性回归的方法,给出了回归函数m(x)的估计的加权估计,并证明了估计量具有渐近正态性、均方误差(MSE)和相合性.模拟研究解释了估计量的有限样本性质,并得出了此估计量优越于完整数据估计和加权估计.     

线性过程误差方差的相合估计

对于固定设计和线性过程误差下的非参数回归模型,为了估计误差方差,首先基于多项式样条方法给出了回归函数的估计,然后根据所得残差序列构造了误差方差的点估计,在没有混合相依的一般条件下证明了该估计的相合性.此外,还通过算例进行了数值模拟,结果显示,该估计方法可行,同时在误差方差估计的绝对误差意义下,自动选择结点的BIC准则优于AIC准则,基于BIC准则选择结点的样条方法还优于基于交错鉴定法选择带宽的局部线性方法.     

波动性的非参数局部多项式估计

利用非参数回归模型研究了股票收益率的波动性.在混合相依样本的条件下,结合迭代累积平方和法则(ICSS),作者应用局部多项式估计方法研究了我国上海和深圳股票收益率的波动分布.