正相协误差半参数回归模型小波估计的强相合性

研究半参数回归模型yi=xiβ+ g(ti)+ei(1≤i≤n),｛ei,1≤i≤n｝为正相协序列的未知参数β和未知函数g(t)小波估计的强相合性,得到它们的强收敛速度.     

半参数回归模型小波估计的强相合性

文章考虑半参数回归模型yi=xiβ g(ti) ei(1≤i≤n),利用小波方法给出了β,g(.)的估计,在适当条件下证明了^β,^g(.)的强相合性,推广了现有文献中的研究成果。     

固定设计下半参数回归模型小波估计的收敛速度

对一类固定设计下的半参数回归模型进行了研究.通过利用加权最小二乘法及小波估计法给出了未知参数β和未知函数f(·)、g(·)的估计;在较弱的条件下给出了最终加权二乘估计βn的弱收敛速度,(^f)n(·),的弱收敛速度、强相合性以及(g-)n(·)的弱收敛速度.     

LNQD序列半参数回归模型小波估计的强相合性

对于半参数回归模型yi=xiβ+g(ti) +ei(1≤i≤n),误差{ei,1≤i≤n}为平稳LNQD序列,研究了未知参数β和未知函数g(t)小波估计的强相合性,在一定的条件下,得到了合理的结果,把非参数回归模型的相应结果推广到半参数回归模型.     

一类半参数回归模型讨厌参数的相合估计

讨论一类半参数回归模型y=xβ+g(t(1)+t(2)α)+e,其中g(·)未知,α、β为实参数,e为随机误差 设有样本{(ti,xi,yi)}ni)′,构造了g(·)、β和讨厌参数α的估计,并证明了其相合性 i,t(2)i=1,ti=(t(1)     

随机删矢下半参数回归模型估计的相合性

首先给出ｇ（·）的一类核估计和β的最小二乘估计，然后证明它们具有强相合性．     

一类半参数变量含误差回归模型的小波估计

研究了一类解释变量为(x,T)的半参数变量含误差模型,其中,x∈Rp为非随机解释变量,T∈R1为随机解释变量.通过应用小波估计法和全最小二乘法得出了未知参数和未知函数的估计,在一般的条件下,证明了估计的强相合性.     

半参数回归模型小波估计的弱相合速度

考虑半参数回归模型ｙｉ＝Ｘβ＋ｇ（ｔｉ）＋ｅｉ,ｉ＝１,２,…ｎ,使用小波方法估计模型的两个分量β和ｇ,并得到了β和ｇ的小波估计的弱相合速度。     

NOD误差下非参数回归模型中小波估计的强相合性

研究带有重复测量的非参数回归模型:Y~((j))(x_(ni))=g(x_(ni))+e~((j))(x_(ni)),其中Y~((j))(x_(ni))是在x_(ni)处的第j次观测值,x_(ni)已知,g(·)是定义在[0,1]上的未知回归函数.基于NOD随机误差,借助于Rosenthal型矩不等式和Kolmogorov强大数定律,在较弱的假设条件下,得到关于g(·)的小波估计的强相合性,该结果推广了关于NA误差的相应结论.     

纵向污染数据半参数回归模型中的强相合估计

研究了一类纵向污染数据的半参数回归模型，并在更切合实际的情况下，建立了模型参数和回归函数的估计方法，在适当的条件下，证明了所建立的估计量均具有强相合性。     

半参数单指标回归模型的估计及其强相合性

讨论了半参数单指标回归模型y=α7x+g(βTu)+ε,针对未知向量β,给出了一种不同于单指标投影追踪的估计方法,并证明了估计量(^α)n以及βn具有强相合性,最后对所估计方法进行了模拟验证.     

随机缺失情况下固定设计半参数回归模型的相合性

目的在随机缺失情况下证明固定设计半参数回归模型的强相合性。方法利用引理,一些不等式及已给条件进行证明。结果证明了参数β的最小二乘估计和未知函数g(.)的非参数核估计是强相合的。结论随机缺失下半参数回归模型中β的参数估计和非参数函数g(.)的估计量是强相合的。     

一类半参数回归模型中M估计的收敛速度

考虑半参数回归模型yi=xTiβ0+g(ti)+ei,i=1,2,…,n。其中,β0是未知参数,g是未知函数。当g的估计取一类非参数权估计(包括核估计和最近邻估计)时,文章讨论了参数β0的M估计β0的强收敛速度和未知函数g的估计g*n(t)的一致强收敛速度,从而得到β0-β0=O(n-1/2(logn)1/2)　a.s.和sup|g*n(t)-g(t)|=O(n1/3logn)　a.s.。0≤t≤1     

Generalized ridge estimation of a semiparametric regression model

We considered the following semiparametric regres-sion model yi = X iT β+ s ( t i ) + ei (i =1,2,,n). First,the general-ized ridge estimators of both parameters and non-parameters are given without a restrained design matrix. Second,the generalized ridge estimator will be compared with the penalized least squares estimator under a mean squares error,and some conditions in which the former excels the latter are given. Finally,the validity and feasibility of the method is illustrated by a simulation example.     

基于模态回归的半参数部分线性模型的稳健估计

以半参数部分线性模型为对象,研究了基于模态回归的稳健估计方法。非参数部分采用B样条近似,在模型的回归中通过控制核函数的带宽来实现估计的稳健性,结合局部二次算法(LQA)和模型期望值最大化算法(MEM),提出EM估计算法,得到了参数估计以及非参数部分估计的收敛速度。通过蒙特卡洛模拟和实例分析,验证了本文方法的有效性。     

缺失数据下半参数回归模型的渐近性质

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量β和非参数分量g的局部线性估计βn,gn*(t),基于βn建立σ2的估计量2σn.在适当的条件下,证明βn,2σn的渐近正态性,得到gn*(t)的最优弱收敛速度.     

Asymptotic properties of wavelet estimators in a semiparametric regression model with censored data

Consider a semiparametric regression model Y_i=X_iβ+g(t_i)+e_i, 1 ≤ i ≤ n, where Y_i is censored on the right by another random variable C_i with known or unknown distribution G. The wavelet estimators of parameter and nonparametric part are given by the wavelet smoothing and the synthetic data methods. Under general conditions, the asymptotic normality for the wavelet estimators and the convergence rates for the wavelet estimators of nonparametric components are investigated. A numerical example is given.     

缺失数据下半参数回归模型的局部线性光滑

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用最小二乘和局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量和非参数分量的局部线性估计.在适当的条件下,得到^βn,^nσ的渐近正态性和^gn(t)最优弱收敛速度.