NA样本下部分线性模型中估计的强相合性

考虑回归模型：ｙｉ＝ｘｉβ＋ｇ（ｔｉ）＋σｉｅｉ，１＜ｉ＜ｎ，其中σ_ｉ～２＝ｆ（ｕｉ），（ｘｉ，ｔｉ，ｕｉ）是固定非随机设计点列，ｆ（·）和ｇ（·）是未知函数，β是待估参数，误差｛ｅｉ｝为ＮＡ变量．我们对β的最小二乘估计βｎ和加权最小二乘估计Ｂｎ，在适当的条件下得到了它们的强相合性．     

误差为鞅差序列的部分线性模型中估计的强相合性

考虑回归模型:y_i=x_{i ^β} +g(ti)+σ_ie_i ,i=1,2,...,n,其中 σ_i=f(u_i), (x_i,t_i,u_i)是固定非随机设计点列,f(^.), g(^.)$ 是未知函数,β是待估参数,e_i是随机误差且关于非降σ -代数列{F_i,i≥1} 为鞅差序列.对文献[1]给出的基于f^(.)及g(^.)的一类非参数估计的β的最小二乘估计β_n和加权最小二乘估计β_n,在适当条件下证明了它们的强相合性,推广了文献[6]在e_i为iid情形下的结果.     

NA样本部分线性模型估计的强相合性

考虑回归模型:Y~((j))(x_(in),t_(in))=t_(in)β+g(x_(in))+σ_(in)e~((j))(x_(in)),1≤j≤m,1≤i≤n,其中σ_(in)~2=f(u_(in)),(x_(in),t_(in),u_(in))为固定非随机设计点列,β是未知待估参数,g(·)和f(·)是未知函数,误差{e~((j))(x_(in))}是均值为零的NA变量.给出基于g(·)和f(·)一类非参数估计的β的最小二乘估计和加权最小二乘估计,并在适当条件下得到了它们的强相合性.     

线性回归系数最小二乘估计强相合的充要条件

设有线性模型，以λn和μn分别记Sn的最小和最大特征根．假定随机误差e1，e2，…为iid，Ee1＝0且对某个r，1≤r＜2．本文在的限制下，得到了β的最小二乘估计为强相合的充要条件.     

关于线性模型中LS估计相合的条件

考虑线性模型yi=X_i~rβ+e_i i=1,2,…,其中β是未知的 p-维向量参数,{e_i,i≥1)为独立随机变量序列满足均值 Ee_i=0,r-阶矩 E|e_i|~r 有限,这里1≤r<2,i=1,2,….本文在某种意义下,建立了β的最小二乘(LS)估计的(1):r 阶矩相合的充分必要条件;(2):一元回归(即 p=1)的强相合的充分必要条件和对设计矩阵 X_n=(x_1,…,x_n)有某些约束下,多元回归中强相合的充分必要条件;(3):弱相合的充分必要条件.这里考虑所加条件的途径与以往文献中的途径完全不同.     

简单线性模型中回归系数相合估计存在性问题的一点注记

本文基于文[1]中的方法,证明了在简单线性模型yi=x'iβ＋ei中和对随机误差序列｛ei｝的一定的假定之下,回归系数β的相合估计存在的充要条件为,并放宽了文[1]中对ei的密度函数的要求.     

线性模型参数M估计的强相合性

本文研究线性模型中回归参数M估计的强相合性,给出一些较弱的充分条件.与相应结论比较,这里给出的条件对矩的要求有实质性的改进.     

线性模型参数M估计的强相合性

研究了线性模型中回归参数 M估计的强相合性 ,在 dn=o( 1 / logn)情形下 ,给出了较弱的充分条件 .与 [1 ]中相应结论比较 ,我们将有界性条件改善为矩母函数存在性条件 ,因此作了实质性的改进     

线性模型参数M估计的强相合性

本文研究线性模型中回归参数　Ｍ　估计的强相合性,　给出一些较弱的充分条件．　与陈希孺和赵林城的专著［１］中相应的结论比较,　这里给出的条件对矩的要求有较大的实质性改进．     

部分线性模型中估计的渐近正态性

考虑回归模型其中是未知函数,（ｘ＿ｉ,ｔ＿ｉ,ｕ＿ｉ）是固定非随机设计点列,β是待估参数,ｅ＿ｉ是随机误差。基于ｇ（·）及ｆ（·）的一类非参数估计（包括常见的核估计和近邻估计）,我们构造了β的加权最小二乘估计,并证得了最小二乘估计和加权最小二乘估计的渐近正态性。     

Adaptive Unified Biased Estimators of Parameters in Linear Model

To tackle multi collinearity or ill-conditioned design matrices in linear models,adaptive biasedestimators such as the time-honored Stein estimator,the ridge and the principal component estimators havebeen studied intensively.To study when a biased estimator uniformly outperforms the least squares estimator,some sufficient conditions are proposed in the literature.In this paper,we propose a unified framework toformulate a class of adaptive biased estimators.This class includes all existing biased estimators and some newones.A sufficient condition for outperforming the least squares estimator is proposed.In terms of selectingparameters in the condition,we can obtain all double-type conditions in the literature.     

NA样本下随机设计的半参数回归模型的弱相合性

本文研究了误差为NA序列下随机设计的半参数回归模型的问题.利用权函数和最小二乘估计的方法给出了参数、非参数及误差方差的估计,在较弱的条件下获得了它们的弱相合性结果.     

Fuzzy weighted scaled coefficients in semi-parametric model

In general, the regressor variables are stochastic, Duan and Li (1987, J. Econometrics, 35, 25–35), Li and Duan (1989, Ann. Statist., 17, 1009–1052) have been shown that under very general design conditions, the least squares method can still be useful in estimating the scaled regression coefficients of the semi-parametric model Y _i =Q ₁(+X _i ; _i , i+ 1,2,...,n. Here is a constant, is a 1×p row vector, X _i is a p×1 column vector of explanatory variables, _i is an unobserved random error and Q ₁ is an arbitrary unknown function. When the data set (X _i , Y _i ),i=1, 2, ..., n, contains one or several outliers, the least squares method can not provide a consistent estimator of the scaled coefficients . Therefore, we suggest the fuzzy weighted least squares method to estimate the scaled coefficients for the data set with one or several outliers. It will be shown that the proposed fuzzy weighted least squares estimators are % MathType!MTEF!2!1!+-% feaafeart1ev1aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn% hiov2DGi1BTfMBaeXafv3ySLgzGmvETj2BSbqefm0B1jxALjhiov2D% aebbfv3ySLgzGueE0jxyaibaiGc9yrFr0xXdbba91rFfpec8Eeeu0x% Xdbba9frFj0-OqFfea0dXdd9vqaq-JfrVkFHe9pgea0dXdar-Jb9hs% 0dXdbPYxe9vr0-vr0-vqpWqaaeaabiGaciaacaqabeaadaqaaqGaaO% qaamaakaaabaGaamOBaaWcbeaaaaa!3D3C!\[\sqrt n \] and asymptotically normal under very general design condition. Consistent measurement of the precision for the estimator is also given. Moreover, a limited Monte Carlo simulation and an example are used to study the practical performance of the procedures.This research partially supported by the National Science Council, R.O.C.     

TLS问题和LS问题解加权残量的比较

总体最小二乘(TLS)问题和最小二乘(LS)问题解残量的比较已有多篇文献予以探讨.本文对TLS问题和LS问题解的加权残量进行了比较. 导出了TLS解、改进的LS解及普通LS解加权残量之间的误差界. 从而进一步完善了已有的相关结果.     

部分结构突变的线性面板模型的变点估计

Han Jiao;Xia Zhiming(School of Mathematics,Northwest University,Xi'an 710127,China)     

广义线性模型中一类推广的拟似然估计与异方差性诊断检验

本文考虑了随机设计情形下一类普通的异方差回归模型，在这个模型中，假定回归函数与方差函数之间的关系服从推广的广义非线性模型，该模型在实际中很常见，广义线性模型便是其特例，首先，我们导出了均值函数的局部加权拟似然估计，然后，用它来得到方差函数的估计，并且证明了这些估计有较好的性质，最后，建立了异方差检验统计量，文中的方法很吸引人。     

截尾数据非参数回归函数加权核估计

在截尾数据下研究非参数回归函数加权核估计的相合性,对强相合性给出一些较弱的充分条件,这些结论较大程度地改进了现有的结论．     

误差为鞅差序列的部分线性模型中估计的渐近正态性

考虑回归模型yi=xiβ g(ti) ei,i=1,2,…,n,其中(xi,ti)是固定非随机设计点列,g(.)是未知函数,β是待估参数,ei是随机误差且关于非降σ-代数列{Fi,i≥1}为鞅差序列,且满足E(e2n|Fn-1)-σ2=op(1),n→∞,其中0<2σ<∞为未知常数,本文基于g(.)的一类非参数估计的β的最小二乘估计■和2σ的估计量■,在适当条件下证明了其具有渐近正态性,从而推广了[1]在ei为iid情形下的结果.