相依样本时线性模型中误差方差估计的不变原理

对于线性模型中误差方差估计的性质已有了相当深人的讨论,但看来都还只限于独立样本的情形。本文试图考虑平稳、强混合序列的场合,给出了若干弱不变原理。设有线性模型     

误差方差估计的强不变原理

考察线性模型y_i=x′_iβ e_i i=1,…,n,…, (1)其中y_i是第i次试验结果,x_i是p维的试验点列,β是未知的p维回归系数向量,e_i是第i次试验的随机误差。假定1) e_1,e_2,…是相互独立同分布的;     

相依样本情形误差方差估计的强逼近

考察线性模型其中{y_i},{x_i},β及e_i的意义如文献[1]。现设{e_i}是强平稳序列,满足     

关于线性模型中误差方差估计的Berry-Esseen界限

考虑线性回归模型Y_j=X_j~′β+e_j,j=1,2,…,n,…,(1)其中{X_j}为已知的p维向量列,β为未知回归系数向量,{e_j}为一列独立试验误差,满足条件Ee_j=0,Vare_j=σ~2,0<σ~2<∞,j=1,2,…。(2) 误差方差是一个重要的待估参量。若记     

线性模型中误差方差估计的分布的渐近展开

许宝■教授(1945)讨论了分布收敛于正态的速度及其渐近展开.陈希孺教授将收敛速度的部分推广到一般的线性模型,并取消了x_1,x_2,…同分布的条件.最近,我们将许教授的结果中关于渐近展开的部分推广到一般的线性模型.     

线性模型误差方差估计的强相合性

线性模型是数理统计中最重要的模型之一。在样本容量确定和误差服从独立的正态分布的条件下,该模型的误差方差的最小二乘法估计具有周知的良好性。但在误差不一定服从正态分布时,迄今为止对这种估计的性质知道不多。1966年Gleser在样本容量无限和误差服从独立同分布的条件下获得了关于这种估计的重要结果。本文的结果则是在误差分布不一定相同这一更广泛的情况下给出的。     

线性模型中误差方差估计的强相合性的充要条件

考虑通常的线性模型y_i=x_i′β+e_i,i=1,2,…,n,…,(1)此处{x_i}是试验点列,是一串已知的p维向量,β为未知的p维回归系数向量,{e_i}为随机误差序列,满足条件     

线性回归模型中误差方差估计的贝里-埃森界限

考虑线性回归模型Y_i=x_i'β e_i, i=1,…,n,…,(1)这里试验点列{x_i}是一串已知的p维向量,β是未知的回归系数向量,{e_i}是一串独立的试验误差,满足条件     

相依样本情形时密度的核估计

由样本对总体的分布密度作核估计,在独立情形时已有一系列的结果。但对相依样本,相应的结果尚未见诸文献。本文的目的即是将独立情形时的一些重要定理推广到平稳样本上去。     

线性模型中误差方差的二次型估计的可容许性问题

这里仅介绍若干主要结果,详细证明另文发表。设有线性模型,这里X为已知的n×p矩阵(n≥p),8_1,…,8_n相互独立,此处β∈R~p,0<σ~2<∞。这个模型及有关假定,以下将简记为H。     

一类弱相依序列的不变原理

对于弱相依随机变量序列的极限定理和它们的泛函形式,通常都要求随机变量存在有限的方差.我们对于平稳m-相依序列除去了这一限制,从而将Donsker定理(当然也包括随机变量序列的中心极限定理)推广到平稳、m-相依且没有方差存在这一限制的情形.     

相依误差下线性模型参数估计的渐近正态性

获得了误差为鞅差或线性过程时线性模型参数估计的渐近正态性。     

关于线性模型中LS估计相合的条件

考虑线性模型如下: y_i=x′_iβ+e_i,i=1,2,…,(1.1) 其中x′_i=(x_(i1),x_(i2),…,x_(ip))是已知常值向量,β′=(β_1,…,β_p)为未知参数向量,e_i为随机误差。记设计矩阵X_n=(x_1,x_2,…,x_n)′;Y_n=(y_1,y_2,…,y_n)′;S_n~(-1)=(X′_sX_n)~(-1)(S_(ij)~((n)))_(1≤i,j≤n)并且假定当n充分大时S_n满秩,则熟知β的最小二乘(LS)估计(n)有如下表达式:     

部分线性模型中估计的渐近正态性

考虑回归模型 y_i-x_iβ+g(t_i)+σ_ie_(is)i-1,2…,n, (1) 其中σ_i~2-f(u_i)>0,(x_i,t_i,u_i)是固定非随机设计点列,β是未知待估参数,g(·)和     

纵向数据部分线性模型的估计

文章讨论了纵向数据下的部分线性回归模型的估计方法,给出了参数分量和非参数分量的profile最小二乘估计,并研究了这些估计的渐近正态性.     

纵向数据部分线性模型的估计

文章讨论了纵向数据下的部分线性回归模型的估计方法,给出了参数分量和非参数分量的profile最小二乘估计,并研究了这些估计的渐近正态性。     

带约束的线性模型中的可容许线性估计

在Gauss-Markov模型(Y_(n×1),X_(n×p)β_(p×1),σ~2V,V≥0)下,若S_(s×p)β可估,Rao及其他一些作者给出了Sβ的线性估计,在二次型损失函数下是可容许的充要条件。当参数受约束:β′Nβ≤σ~2,N>0时,Hoffmann,Mathew分别就V>0与V≥0的情形,讨论了β的线性估计的可容许性问题。本文将进而给出Sβ的线性估计AY在线性估计类中是可容     

线性模型中最小二乘估计相合性的必要条件

考虑通常的线性模型Y_i=X'_iβ+e_i,i=1,2,…,未知参数向量β为p维的,关于{e_}讨论最多的有下面两种情况:     

线性模型中回归系数最小二乘估计的相合性

这里介绍我们最近关于线性模型中回归系数的相合性问题所获得的若干结果。详细证明将另文发表。     

Whittaker-Kotelnikov-Shannov型样本定理及混淆误差界的精确估计

设E为有限区间或直线R.令L_p(E),1≤P≤∞表示定义在E上经典的勒贝格空间,赋以通常的范数.设r∈N,令L_p~r(R)表示L_p(R)中f~(r-1)在R上局部绝对连续且||f~(r)||_(p((?)))有限的函数的全体:记