半变系数模型PLS估计的渐近正态性

半变系数模型在统计建模中具有重要的应用．最近几年，人们提出了许多方法来估计其常系数和函数系数，但是估计的渐近性质还没有被系统的研究．本文介绍了半变系数模型的PLS估计，在Fan和Huang对常系数渐近性质研究的基础上，给出了函数系数的渐近正态性。     

误差相关的半变系数模型的估计

本文在误差相关的情况下, 研究半变系数模型的估计, 通过改进PLS估计, 给出了函数系数和常数系数的估计, 证明了估计的渐近正态性; 最后, 模拟研究说明了所提方法的有效性.     

删失数据下半变系数模型估计的渐近正态性

半变系数回归模型是变系数回归模型的有效推广,已获得了广泛的应用. 本文在响应变量随机删失下对其进行讨论,给出常系数和函数系数的估计, 并证明了该估计的渐近正态性.     

变系数模型小波估计的渐近性

变系数模型是线性模型的有用推广,它允许回归系数是某个变量的函数,近年来在统计分析中得到广泛的应用.文中研究回归变量都是随机时的变系数模型,提出运用小波的方法估计变系数模型中的函数系数,并在较弱的条件下得到了变系数模型小波估计的渐近正态性.     

变系数模型的小波估计

变系数模型是近年来文献中经常出现的一种统计模型.本文主要研究了变系数模型的估计问题,提出运用小波的方法估计变系数模型中的系数函数,小波估计的优点是避免了象核估计、光滑样条等传统的变系数模型估计方法对系数函数光滑性的一些严格限制. 并且,我们还得到了小波估计的收敛速度和渐近正态性.模拟研究表明变系数模型的小波估计有很好的估计效果.     

半变系数模型的变窗宽和一步局部M-估计

讨论了半变系数模型的变窗宽一步局部M-估计.用一步局部M-估计给出了未知函数的估计,用平均法给出了未知参数的估计,并在其中嵌入一个变窗宽加以提高,得到了未知函数和未知参数的渐近正态性.     

变系数模型中的逐元估计法

提出了一种叫做逐元估计法的方法用来估计变系数模型中的未知函数和它们的导数,构造了一种快速选择估计量窗宽和快速计算大量估计点的方法,推导了估计量的渐近正态性.通过Monte Carlo模拟研究了估计量的有限样本性质.     

缺失数据下的半参数变系数模型的借补估计

本文在响应变量随机缺失情形下讨论了半参数部分线性变系数模型的估计问题.首先采用局部线性方法估计系数函数,然后进一步估计常数系数.最后利用回归方法借补缺失的响应值,再用全部数据估计常数系数.本文进-步讨论了利用完整个体方法及借补方法求得的参数估计的渐近性质,并进行了模拟比较.     

响应变量随机缺失下的半参变系数模型的均值估计

在响应变量随机缺失时,研究了半参数变系数模型响应变量均值的借补估计.首先利用完整个体估计模型中的参数与非参数部分,然后再用借补方法与加权借补方法估计响应变量的均值.最后求出了估计的渐近偏差与渐近方差,研究了所得到的估计的渐近性质,并进行模拟比较.     

半变系数模型改进的轮廓最小二乘估计

针对半变系数模型,在局部线性拟合轮廓最小二乘估计方法的基础上将关于变系数函数的局部线性拟合改进为局部非线性拟合,得到半变系数模型改进的轮廓最小二乘估计,进一步讨论了常值系数的渐进正态性.     

CPI权重估计:基于约束变系数模型

居民消费价格指数编制中所采用的权重是近年来人们争论的热点之一,但目前权重的具体数值还没有权威发布.采用带约束变系数模型对2001年至2010年间我国CPI编制中采用的八大类权重进行了估计.相对于没有约束的估计,带约束条件的估计结果更加合理.结果揭示了权重的调整变化情况,同时也反映了近十年来我国居民消费结构的变化.     

Spline estimation of functional coefficient regression models for time series with correlated errors

In this work we focus on functional coefficient regression (FCR) models. Here we study the estimation of FCR models by splines, with autoregressive errors and show the rates of convergence of the proposed estimator. The importance of taking into account the correlation is assessed via simulation studies and multi-step ahead forecasts for a real data set.     

Optimal estimation in random coefficient regression models

In linear regression models with random coefficients, the score function usually involves unknown nuisance parameters in the form of weights. Conditioning with respect to the sufficient statistics for the nuisance parameter, when the parameter of interest is held fixed, eliminates the nuisance parameters and is expected to give reasonably good estimating functions. The present paper adopts this approach to the problem of estimation of average slope in random coefficient regression models. Four sampling situations are discussed. Some asymptotic results are also obtained for a model where neither the regressors nor the random regression coefficients replicate. Simulation studies for normal as well as non-normal models show that the performance of the suggested estimating functions is quite satisfactory.     

非参数协方差分析基于变系数模型的统计推断

对于一类协方差分析模型,本文基于变系数模型的角度,提出了约束局部加权核估计方法,并构造了相应的检验统计量,给出了计算检验p-值的精确方法.最后通过数值模拟验证了所提检验方法的有效性.     

删失数据下变系数模型的一步估计法

用局部多项式估计法对删失数据下的系数函数光滑程度不同的变系数模型进行一步估计,达到了最优收敛速度,得出了渐近条件偏差和渐近条件方差。     

一类聚合风险模型

本文提出了一类聚合风险模型--INARCR.研究了相关结构及性质;给出了总理赔量的极小值及拐点的条件和聚合风险模型的中心极限;余额过程中调节系数的系列性质.最后给出了周期d=2时聚合风险模型参数的矩估计.     

Estimating Functions for Nonlinear Time Series Models

This paper discusses the problem of estimation for two classes of nonlinear models, namely random coefficient autoregressive (RCA) and autoregressive conditional heteroskedasticity (ARCH) models. For the RCA model, first assuming that the nuisance parameters are known we construct an estimator for parameters of interest based on Godambe's asymptotically optimal estimating function. Then, using the conditional least squares (CLS) estimator given by Tjøstheim (1986, Stochastic Process. Appl., 21, 251–273) and classical moment estimators for the nuisance parameters, we propose an estimated version of this estimator. These results are extended to the case of vector parameter. Next, we turn to discuss the problem of estimating the ARCH model with unknown parameter vector. We construct an estimator for parameters of interest based on Godambe's optimal estimator allowing that a part of the estimator depends on unknown parameters. Then, substituting the CLS estimators for the unknown parameters, the estimated version is proposed. Comparisons between the CLS and estimated optimal estimator of the RCA model and between the CLS and estimated version of the ARCH model are given via simulation studies.     

A statistical approach to graduation by mathematical formula

Graduation by mathematical formula is recast as problem of statistical estimation. The method of maximum likelihood is used to determine the estimates of the parameters. Theory is developed to allow for estimation without resorting to the usual ‘exposure’ formulas. Both single and multiple decrement models are considered. Theoretical results are obtained for some specific mortality models. Numerical procedures to obtain the estimates are considered.