部分线性回归模型的一步局部M-估计

讨论了部分线性回归模型的一步局部M-估计。用一步局部M-估计给出未知函数估计。用平均方法给出参数估计,并证明回归函数和其导函数的弱一致性和联合正态性。     

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。     

多维广义线性模型极大拟似然估计的渐近正态性

对固定设计的多维广义线性模型, 在λ(1/2/n)(1)/(2)λn/n→0和其他一些正则性条件下,证明了自然联系函数下的拟似然方程n∑i=1xi(yi-μ(x′iβ))=0 的解β^n即拟似然估计的渐近正态性, 其中,λn(λn) 表示∑ni=1xix′i的最小(最大)特征根, xi是有界的p×q回归变量,yi 是q×1响应变量.     

变系数联立模型的局部线性广义矩估计

目的在随机设计条件下,提出了一类变系数联立模型,对模型的变系数进行了估计,研究了估计量的大样本性质。方法局部线性广义矩估计。结果利用概率论中大数定律和中心极限定理,证明了估计量的大样本性质。结论局部线性广义矩估计具有相合性和渐进正态性。     

多维广义线性模型拟似然估计的渐近正态性

对多维自适应设计广义线性模型中形如sum from i=1 to n xi(yi-μ(x′iβ))=0的拟似然方程,在limn→∞■~(3/4)/■=0和其他一些正则性的假定之下,论文证明了上述拟似然方程的解,即极大拟似然估计的渐近正态性,此结果推广和改善了文[4]中的相关结果,其中■和■分别为sum from i=1 to n xix′i的最小特征根和最大特征根,x是有界的p×q阶设计矩阵.     

MAR缺失机制下随机设计情形线性模型回归系数的估计

在响应变量满足MAR缺失机制下,研究了随机设计情形的线性模型回归系数的估计问题.分别讨论了基于观察到的完全样本数据对、基于固定补足后的"完全样本"和基于分数线性回归填补后的"完全样本"得到的回归系数的最小二乘估计的弱相合性、强相合性及渐近正态性.     

ARCH(0,q)模型参数M-估计的渐近性质

在一个新的准则函数下,用遍历性定理证明了自回归条件异方差模型ARCH(0,q)参数的M-估计的相合性,并用鞅中心极限定理给出了该模型M-估计的渐近正态性.     

缺失数据下广义线性回归拟似然估计的相合性和渐近正态性

研究了形如L(β)=Σ1Zi(yi-μ(ZiTβ))=0的拟似然方程在协变量数据有缺失时,方程未知参数估计的相合性和渐近正态性.假设存在协变量数据完整的一个有效样本,且是总样本的一个简单随机子样本,基于EM算法,提出了一种新的处理协变量中有不完整数据的拟似然方程的求解法,即通过有效数据线性预测补足协变量数据缺失部分,并...     

部分线性模型的渐近性

考虑Ｙｉ＝Ｘ＾ｔｉβ＋ｇ（ｔｉ）＋εｉ，１≤ｉ≤，忱里Ｘｉ是一固定设计点列，ｔｉ是独立同分布随机变量并且服从［０，１］上均匀分布。     

自适应广义线性回归拟似然估计渐近理论

研究自适应设计下的拟似然方程 ∑ni=1xi(yi- μ(x′iβ) ) =0 ,在一定的条件下证明了以概率 1此方程当n充分大时有解^βn,^βn 为β0 的强相合估计 ,且得出了 ^βn- β0的收敛速度 ;然后又在一定的条件下证明了 ^βn 的渐近正态性的一些结果     

广义线性模型参数估计的随机加权法

在广义线性模型中,用随机加权法求解参数估计的渐近方差.通过推导给出随机加权参数估计与未加权参数估计的渐近分布,并且证明它们是相同的,从而可以用容易获得的随机加权估计的渐近分布去近似原参数估计的渐近分布.     

Asymptotic normality of multi-dimension quasi maximum likelihood estimate in generalized linear models with adaptive design

0Introduction Considerthemodel:y=h(x′β)+e wherey=y(1)y(q),h(t)=h(1)(t)h(q)(t),e=e(1)e(q),h(i),i=1,2,…,qisaknownboundedinjection:Rq→R1,h′isapositive matrixwith h(i)(t)tjasits(i,j)elementj=1,2,…,q,t=(t1,t2,…,tq),thepartialderivativesof2thorderofhexistandcontinuous.eistherandomerror.βisthep×1unknowparameterandxiisthefixedknownp×qmatrix,i=1,…,n,η=x′βiscalledpredictor,andthismodeliscalledgeneralizedlinearmodel.Supposetheindependentobservationsy1,…,ynaregetfromq dimensionrespons…     

基于原始自助法估计异方差线性模型

利用原始自助法(wild bootstrap)估计异方差线性模型,建立了异方差线性模型中参数部分的最小二乘估计的渐近分布,给出了非齐次方差的协差阵的一个相合估计.     

广义线性模型中拟似然估计的弱相合性及渐近正态性

对于多维广义线性模型,q×l响应变量yi是可观测的,协变量xi是已知p×q固定设计的情形,研究了在自然联系情形下的拟似然方程n∑i=1xi(yi-h(xiτβ))的解(^βn).用压缩映射,证明了拟似然方程的解(^βn)在(λ-n)→ ∞及其它正则条件下的弱相合性,.将独立随机变量情形推广到了任意随机变量;在独立的情形...     

缺失数据下线性EV模型的稳健参数估计

给出了多元线性EV模型下协变量具有随机缺失(MAR)时参数的稳健估计方法,并证明了估计的渐近正态性.模拟研究表明估计量在有限样本下具有很好的效果.     

广义线性模型中的变量选择

对自然联系函数下广义线性模型的变量选择问题进行了研究．首先，分别按Ward准则和似然比准则，给出了两种变量选择的方法；然后，在一定的条件下，证明了上述两种变量选择方法的弱相合性．     

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.     

带有核实数据的误差在协变量线性模型的估计

考虑协变量有误差的线性模型Y=Xτβ e,在许多实际问题中,准确测得感兴趣的变量可能是很困难的,或者所需成本很高。因此通常用可观测的替代变量来代替。本文不对真变量和替代变量间关系作任何模型假设,利用主要数据和核实数据,基于最小二乘方法和核方法,应用参数方法获得β的估计量,并证明了β的渐近正态性。