广义Gamma过程的统计推断

应用Ito随机分析的方法，得到了利用广义的Gamma过程，依赖于[0,t]时间内跳量绝对值小于ε（ε＞0）的样本信息，作出参数的最大似然估计的渐近性质，并证明了当ε固定，t→∞时是强相合的；而当t固定，ε→O时，只有部分参数存在强相合估计，且所有强相合估计的a.s收敛速度符合重对数律。     

广义线性模型的M-估计

用M-估计来估计广义线性模型中的未知参数β.首先,在一定的假设条件下,根据已有的对广义线性模型中未知参数β的极大似然估计方法,应用大数定律及鞅中心极限定理,证明了广义线性模型的M-估计的两个重要性质,印相合性及渐近正态性.其次,将固定设计的思想引入M-估计,并与广义线性模型相结合,证明了其相合性及渐近正态性.最后通过数...     

删失数据非线性回归模型的广义M估计

加速失效模型(AFT模型)是研究失效时间和协变量间相互关系的一类重要模型.在标准的AFT模型中,假设对数变换后的生存时间与协变量间是线性关系,本文将线性关系扩展到非线性,在广义M估计的目标函数中使用Kaplan-Meier权,提出右删失数据非线性回归模型的加权广义M估计.我们还得到了广义M估计的渐近性和相合性,并且通过模拟研究验证了该方法在有限样本情形下估计效果良好.     

个体观测次数与协变量个数都趋于无穷的二值数据GEE估计的渐近性质

广义估计方程是专用于处理纵向数据的统计模型,有效地解决了纵向数据中协变量相关的问题,得到稳健的参数估计值。但由于观测次数的不唯一,大多数文献对观测次数设置了上限,前人在假设个体观测次数为有限的条件下,证明了经典Logit广义估计方程估计的渐近性质。而随着大数据时代的到来,试验中需要对个体进行更多次观测,以便得出更为精准的结论。鉴于此,对于观测个体的数量n、协变量个数pn以及观测次数m三者都趋于无穷的情况,通过限定m的发散速度,即在mp_n~3/n和m~4p_~4n/n都趋于0和其他正则条件下,基于微分中值定理及根的存在定理,证明了经典Logit广义估计方程估计的渐近存在性和相合性;并在该估计的相合性的基础上,通过Slutsky定理进一步证明出了该估计的渐近正态性。     

广义岭型主成分估计的一些性质

讨论了广义岭型主成分估计的一些性质,引入一种估计的相对效率,证明了广义岭型主成分估计比岭型主成分估计和主成分估计的效率高,并且在Pitman准则下也优于岭型主成分估计和主成分估计.     

多元线性模型中误差协差阵估计的相合性

在Gauss-Markov 多元线性模型中,通常是通过残差阵去估计误差的协差阵。本文讨论了当样本大小n→∞时,这种估计在种种意义下的相合性问题。对强,弱相合性,本文得出了充分条件.对r-平均相合性,当r=1时,本文得出了充要条件。有趣的是,这个条件与弱相合性的充要条件完全一致。对r>1的情况,本文得到了相当普遍的充分条件.在这种情况下的充要条件如何尚未解决.     

变系数模型小波估计的渐近性质

为了克服非参数回归函数估计的"维数祸根",Hastie和Tibshirani提出了变系数模型.变系数模型涵盖了一些常用的统计模型,因而引起了许多统计学家的研究兴趣.文章主要研究在回归协变量为随机设计情形下变系数模型的小波估计的渐近性质,在适当条件下证明了变系数模型小波估计的弱相合性和强相合性,并且给出了强相合速度.     

误差不相关广义线性模型极大拟似然估计的收敛速度

在广义线性模型(GLM)中,设yi和Zi分别是响应变量和回归系数向量.若随机误差ei＝yi－Eyi,i＝1,2,…不相关,且var(ei)<∞,‖Zi‖2<∞, λn→∞和一些光滑条件满足,该文证明了一般联系函数GLM回归参数极大拟似然估计n是弱相合的,具有收敛速度‖－β0‖＝Opλ－n ,其中λn是iZi ′的最小特征根,β0是回归参数向量真值.     

广义岭型主成分估计的优良性质

讨论线性回归模型的一种有偏估计广义岭型主成分估计,给出广义岭型主成分估计一些性质,证明在MSE和GMSE准则下是等价的并且优于最小二乘估计,在Pitman准则下优于最小二乘估计和岭型估计.进一步得到了在均方误差意义下广义岭型主成分估计是可容许估计的结论.     

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...