半参数方差函数模型的核与最小二乘估计

介绍具有随机设计的一类半参数方差函数模型。对模型的非参数成份构造了核估计，然后利用最小二乘法估计参数成份，最后证明了估计的若干渐近性质（例如，相合性，渐近正态性等），从而进一步推广和发展了Ｍｕｌｌｅｒ和Ｚｈａｏ的结果。     

最小二乘与最小一乘

最小二乘与最小一乘是回归分析中两个重要的估计方法,在这篇文章中,我们将通过线性回归给出它们的定义,并给出它们的优缺点,希望能为使用者提供方便。     

一类半参数回归模型中估计的收敛速度

考虑回归模型y_i=t_iβ g(x_i) e_i,i=1,2,…,n,其中g(·)是定义在R′=(-∞, ∞)上的未知函数,e_i是未知干扰,基于g(·)的估计取一类核和近邻估计,证得了β和g(·)的估计最优收敛速度。     

几类最小一乘估计模型的求解

本文探讨了应用最小一乘准则的多种线性和非线性回归模型,推导了各种模型中未知参数的最小一乘估计形式,并给出最小一乘准则求解的基本过程,实现了未知参数最小一乘估计求解的统一.     

基于遗传算法的最小一乘回归新算法

最小一乘在稳健性上比最小二乘好,使得最小一乘在工程中得到广泛的应用,但求解最小一乘的算法并不理想;本文根据最小一乘的性质,把最小一乘问题变为组合优化问题.将遗传算法用在最小一乘模型的求解上,在后面的仿真实验中得到了较好的效果.     

线性回归模型的广义刀切最小二乘估计

在误差为相依的情况下,讨论了线性回归模型的刀切最小二乘估计与广义刀切最小二乘估计。在均方误差意义上,广义刀切最小二乘估计优于刀切最小二乘估计,并利用算例进行了验证。     

线性模型回归参数的Bayes线性估计

在 C.R.Rao 工作中曾指出:在线性有偏估计类中一致地改进最小二乘估计是不可能的.本文试图局部地改进最小二乘估计.本文定理1求出了线性模型的 BLE;定理2指出,近年来研究的 Stein 估计、岭估计都是 BLE;定理3表明,存在一个以原点为中心的、椭球,使得在该域内 BLE—致优于通常的最小二乘估计(LS).     

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)     

非线性半参数模型最小二乘核估计的迭代算法

基于非线性半参数模型最小二乘核估计,给出了核估计参数分量和非参数分量估计的构造式.导出了利用高斯一牛顿迭代法的计算公式.实测数据的模拟表示该算法具有较好的拟合精度.     

半参数测量误差模型中参数的随机加权估计

给出了半参数测量误差模型中参数的随机加权最小二乘估计.讨论了用随机加权方法逼近最小二乘估计的分布,证明这种逼近是以概率1渐近有效的,并用模拟例子验证了提出方法的有效性.     

全最小一乘法

先介绍最小二乘法、最小一乘法与全最小一乘法,论述它们的异同;然后举例说明全最小一乘法在经济方面的应用,并将它与最小二乘法及最小一乘法进行比较,同时给出了利用LINGO10软件计算全最小一乘法的程序;最后,简单叙述了全最小一乘法在理论上的进一步发展.     

最小一乘回归的新算法

利用加权最小二乘法，提出最小一乘的一种迭代算法，这种方法使最小一乘法在计算上变得简单、直观     

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.     

PC准则下生长曲线模型回归系数阵的一类线性估计的优良性

设生长曲线模型为Yn×p=An×m Bm×k Ck×p En×p,E～N(0,σ2In(×)Ip).当ATA为病态时,令回归系数阵的最小二乘(LS)解和一类线性估计分别为B=(ATA)-ATYCT(CCT)-1和B1=(ATA ∑)-1 ATYCT(CCT)-1,其中ρ＞0为常数,∑为正定阵.分别在ATA和∑的可交换性未知和已知的情形下证明了:在适当条件下B1于PC准则下优于B.并将这一结论推广到当ATA和CCT都是病态时的情况.     

非参数计量经济模型的变窗宽核估计

在随机设计(模型中所有变量为随机变量)下,提出了非参数计量经济模型的变窗宽核估计,并利用概率论中大数定理和中心极限定理,在内点处证明了它的一致性和渐近正态性.它在内点处的收敛速度达到了非参数函数估计的最优收敛速度.     

线性回归模型的抗差泛最小二乘估计

首次用抗差泛最小二乘法考虑线性回归模型，得到了抗差泛最小二乘估计；然后，研究了该估计的影响函数和渐近方差-协方差矩阵；最后，用算例说明了抗差泛最小二乘估计具有抗差性，优于传统的最小二乘估计及作提出的泛最小二乘估计。     

平稳序列函数核密度估计的相合性

对v平稳 混合序列给出的样本研究了平稳序列函数核估计的逐点强相合性及一致强相合性,同时给出了收敛速度。设fn为通常的核密度估计,若密度函数f具有有界连续的二阶导数,设∫uK(u)du=0,∫u2K(u)du<∞,证明了,在某些适当的条件下(见定理3),关于一致强相合性有supx∈R|Efn(x)-f(x)|=OP(εn),其中εn=(n-(5τ-2)/(6τ+6)loglogn)。对于逐点强相合性,设f一致连续,在一些较弱的条件下,对固定的x,有fn(x)-f(x)=o(rn),a.s.其中rn=n-29lognloglogn。     

双尾Tobit模型中LAD估计的渐近正态性

由于测量仪器或者测量方法精确度的影响,响应变量受到测量范围的限制,当大于最大测量值或者小于最小测量值时,其确切值不能观测到.当响应变量只受最小值或最大值限制时,有关回归模型(Tobit模型)中参数估计及其统计推断性质的研究已比较多.这里在响应变量同时受到最大值和最小值限制的情形下,讨论了回归模型(双尾Tobit模型)中参数LAD估计的构造,且在一定的条件下,证明了该LAD估计的弱相合性和渐近正态性.最后,利用数值模拟研究结果评估了所提方法的效果.