最佳工具变量估计量

针对单方程的经济计量模型从多个可供选择的工具变量出发,用它们的估计量的线性组合构造一个最佳工具变量估计量,并给出了一个阐述结果的例子.     

非参数函数型递归核估计的收敛速度

文章考虑当响应变量和解释变量都是函数型时的非参数核回归模型,将经典的N-W核估计量推广为一族递归核估计量,并且利用Kolmogorov熵的方法和函数型数据的基本方法,得到递归估计量在独立情形下的一致收敛速度。     

关于存在变量误差的半线性模型

运用广义最小二乘法研究了一类半线性模型中的参数,函数的估计量问题,并证得估计量的一致性结果。     

联立方程内生变量系数Ⅳ估计量的精确分布

在联立方程中扰动项遵循第三类椭球等高分布时,导出了单一方程内生变量系数的工具变量法(Ⅳ)估计量的精确分布.     

数据部分缺失情况下的均值估计

某随机变量的观测值出现部分缺失时,辅助变量的存在常常可以有利于该随机变量的统计分析,该文针对辅助变量和目标随机变量没有明确函数关系,但它们存在一定的相关性的情况,提出了目标随机变量均值的一种新的估计方法,并利用随机模拟将它和完全记录分析所得的估计量进行了比较.     

基于分层排序集抽样方法的改进比率估计

基于分层排序集样本提出了总体均值的改进比率估计方法,讨论了改进比率估计量的均方误差和偏差估计式,证明了改进的比率估计比原来的联合比率估计更加有效.最后,利用一组幼儿黄疸病胆红素含量的数据进行实例分析,结果表明,基于分层排序集样本的改进比率估计可以有效提高估计精度.     

重尾分布中二阶参数的渐近无偏估计

基于统计量T_(n,k)(K),先提出二阶参数的有偏估计量,再通过2个有偏估计量的线性组合构造了一类二阶参数的渐近无偏估计.在二阶正则条件下,研究了估计量的相合性;在三阶正则条件下,研究了估计量的渐近正态性.最后通过模拟,在特定条件下,将此无偏估计量ρn,k(K~(1,2),α,t*(ρ,β))与Goegebeur提出的估计量ρ_(n,k)(K~(1,2),α_1,α_2,l)的均值和方差进行模拟比较,结果表明,提出的无偏估计量表现更好.     

半参数顺序回归的贝叶斯推断

结合比例优势模型和半参数回归模型建立了一般形式的半参数顺序回归模型.对于模型的参数与非参数部分,构造了基于随机过程有限维分布的贝叶斯估计量,并在正态情形下给出了估计量的解析表达式.数值模拟结果表明,即使在小样本情况下,模型参数的估计值也接近真实值,非参数部分的估计值能描绘出真实函数的形状.对根据家庭消费结构预测收入等级...     

基于众数回归的变系数模型统一变量选择

研究了众数回归下变系数模型的统一变量选择问题.利用B样条基函数近似非参数部分,在众数回归下建立SCAD惩罚函数同时选择变系数模型中的重要变量并且识别具有常数效应的协变量,在一定条件下, 证明惩罚估计量相合性和稀疏性,通过数值模拟评估所提出的变量选择方法的有效性.     

Warner模型中的Jackknife方法

本文在二值敏感问题随机化调查的wamer模型中引入了Jackknife方法．构造了总体敏感属性比例的Jackknife估计量πJ并讨论了估计量的性质.进而构造了Jackknife估计量方差的估计量方差的估计量.对于一个人为总体计算得到通常估计和Jackknife估计的有关数值结果,说明了本文提出的方法在实际中是一个可用的方法．     

线性误差协变量下部分线性模型的约束统计推断

考虑含有线性误差协变量部分线性模型的统计推断问题。对模型的参数分量,提出了一个线性约束条件下的最小二乘估计,并且证明该估计量满足渐近正态性。同时基于拉格朗日乘子检验方法对约束条件的合理性进行了检验。证明了所提出的检验统计量在原假设成立时渐近服从标准卡方分布。数据模拟表明所提出的估计方法可以有效地消除测量误差对估计精度的影响,并且所提出的检验方法对备择假设是相当敏感的。     

风险函数在点估计理论结构中的应用

根据在点估计中应用风险函数不同估计量下风险大小，提出了评价估计量优劣的三个准则，为选取符合实际要求的估计量提供了有效的方法，并给出了应用示例.     

位置不变的Hill型估计量的强相合性

对正极值指标γ的估计,Fraga A lves提出了一种位置不变的H ill型估计量;给出了一种位置不变的右删截H ill型估计量,再分别证明了这两种估计量的强相合性.     

含缺失数据Eichhorn模型中的比估计插补

利用随机化技术进行敏感问题抽样调查中常会出现缺失数据,借鉴Srivastava SK[Calc Stat Assoc Bull 16(1967)]在直接调查中利用辅助变量的构造估计量的思想,建立了具有数量特征的随机化Eichhorn模型中缺失数据的比插补方法.通过理论比较和数值模拟得出的结果表明提出的插补方法比传统的方法效率更高.     

变系数模型中的新局部线性估计法

提出一种新的局部线性方法用来估计变系数模型中的未知函数,给出了未知函数估计量的渐近条件偏差和方差.由于新方法所得估计量的渐近方差小于传统线性估计量的渐近方差,因而新方法更加有效.     

基于删失数据估计医疗费用的新方法(英文)

为了基于删失数据更好的估计医疗费用均值,提出了一种与以往不同的估计方法,并且在Markov假设下根据这种方法给出了一种无偏的分层估计量.采用了几种不同的方法进行数据模拟,来比较这一估计量和其他几种估计量的表现,进而说明了这一估计量的优越性和稳健性.并且还说明了在不同情况下应选择何种估计量以达到最优效果.最后,讨论了这一估计量可能的改进措施以及这一方法在回归模型中的应用.     

半参数顺序变量回归模型

在比例优势模型基础上对顺序变量回归模型作更一般的推广, 建立了半参数顺序变量回归模型, 构造了模型中的线性和非线性部分的估计量, 并证明了该估计量的弱相合性. 通过数值模拟, 考察了不同样本容量下半参数顺序变量回归的判断正确率和回归函数的均方误差.实验结果表明: 半参数顺序回归模型在小样本情况下仍具有较高精度, 并且在实验点处的重复次数相对于观察点个数对精度影响更大. 通过对粮食预警实例的计算表明, 半参数顺序回归模型较比例优势线性模型具有更好的外推效果.     

捕获——再捕获抽样中的复合估计量

本文介绍了捕获——再捕获抽样的思想方法,提出了一个新的捕获——再捕获抽样的估计量:复合估计量,并讨论了它的性质和最小方差。     

基于分块的重尾指数估计量的推广

采用分块的方法提出了一种新的重尾估计量,并讨论了这种新的估计量在正则变化条件下的相合性和渐近正态性.     

上次序统计量个数的渐近最优选取

有关极值指数的估计方法不少,其中最著名的估计方法之一是Pickands型估计量.由于估计量都是基于次序统计量来构建的,所以估计量所包含的上次序统计量的个数的选取就是一个值得探讨的问题.基于作者曾经提出的一类新的Pickands型估计量,在一定的正则变换条件下,本文给出了该估计量的渐近展式,进而在渐近均方误差最小的准则下给出了上次序统计量个数的最优选取.