PA误差下的半参数回归模型估计的矩相合性

在误差为正相协(PA)序列情形下,利用最小二乘法和一般非参数统计方法,在适当的条件下,证明了半参数回归模型估计量具有矩相合性.     

PA误差下半参数回归模型估计的r-阶矩相合

对于半参数回归模型 Yni=β·tni+g(xni)+εni,1≤i≤n, 其中｛εni,1≤i≤n｝为PA相依误差,在适当的条件下, 得到未知回归函数g(x)和未知参数β估计量的r 阶矩相合性。     

误差为NA序列的回归模型估计的r阶矩相合性

对非参数回归模型yi=g(xi)+ei(i=1,2,…,n),具体讨论误差为NA序列时,对g(x)给出一种加权核估计gn(x),研究gn(x)的r阶矩相合性。对回归模型yi=xiβ+g(ti)+σiei(i=1,2,…,n),讨论误差为NA序列时,给出β的最小二乘估计β,研究β的r阶矩相合性。     

误差为鞅差序列线性模型参数M估计的强相合性

研究了随机误差为鞅差序列的线性模型中回归参数β0的M估计,在一定的条件下证明了回归参数M估计的强相合性,推广了陈希孺等(1996)和杨善朝(2002)的结果.     

PA误差下半参数回归模型估计的均方相合性

对于半参数回归模型yi=xiβ+ g(ti)+ei,1≤i≤n,利用最小二乘法和一般加权方法,定义了β,g(t)的估计量(β)n,(g)n(t).在误差为PA序列时,证明了(β)n,(g)n(t)的均方相合性.     

鞅差误差下纵向数据半参数模型的均方相合性

文章考虑了误差为鞅差序列下的纵向数据半参数回归模型,基于广义最小二乘法和非参数权函数方法分别给出了模型中未知参数β和未知函数g(.)的估计,在适当条件下,证明了β和g(.)估计量的均方相合性。     

随机删矢下半参数回归模型的另一种估计

在ｘｉ 和ｔｉ 相互独立的假设下, 首先将半参数回归的模型变换成一个标准的线性模型, 利用最小二乘法得到β的估计,然后由残差得出ｇ（ｔ） 的估计, 最后证明它们具有强相合性     

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.     

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．     

关于随机截断下半参数回归模型中的相合估计的一点注记

文[1]研究了随机截断下半参数回归模型中的相合估计,但其强相合性的证明有些问题。本文给出了其强相合性的新的证明。     

鞅差误差下简单线性EV回归模型最小二乘估计的相合性

研究了误差为鞅差序列条件下的线性EV(errors-in-variables)回归模型.利用最小二乘估计方法对模型中β和θ进行估计,证明了估计量的强相合性和均方相合性,从而推广了线性EV回归模型已有的相关结论.     

鞅差时间序列的部分线性EV模型的小波估计

用小波方法研究了误差为滑动平均鞅差序列的部分线性EV模型,得到了小波估计量的矩收敛速度及强收敛性。     

NQD样本线性回归参数M估计的强相合性

M估计是用于多元线性模型的一种用极值点定义的估计,近年来,许多学者对M估计进行了研究,获得了许多突出性成果。文章研究了随机误差为两两NQD列的线性模型中回归参数M估计的强相合性的充分条件,在一定条件下得到了线性回归模型未知参数M估计的强相合性,扩大了线性回归参数的M估计的应用范围。     

L~p-混合误差下回归模型估计量的平均相合性

研究了一类误差是Lp 混合的线性模型与非参数回归模型,在免去了文献中对模型所施加的"误差绝对值的p次方一致可积"这一限制条件后,仍得到了估计量的p阶平均相合性.     

线性过程误差下部分线性回归模型的经验似然推断

考虑线性过程误差下的半参数回归模型,研究了回归参数的经验似然推断,证明了所提出的经验对数似然比渐近于卡方分布,由此可以构造回归参数的置信区间.     

误差为NOD样本下的非参数回归模型估计的相合性

研究了误差为NOD序列时的非参数回归模型未知函数估计量相合性问题,而NOD序列比NA序列要弱。利用NOD序列的C r不等式,Jensen不等式以及权函数相关性质,证明了其弱相合性。     

一种改进的线性回归预测模

用最小二乘法求解线性回归预测方程的回归系数时,计算量比较大,针对这个问题,提出一种改进的线性回归预测模型,该模型和其它预测算法配合,能够对若干种药品的销售额进行预测,挑选的药品种类越多,效率越高。最后通过具体实例验证了该模型是可行、有效的。     

误差为AR(1)过程的半函数型偏线性回归模型参数估计的强收敛性

文章研究了基于半函数型偏线性回归模型Y=XTβ+m(T)+ε,(X,T)与误差ε相互独立,在一定假设条件下,当误差满足AR(1)过程时,建立了这种半函数型偏线性回归模型中未知参数β的估计量β^的强收敛性,推广了现有文献中的结果。