变系数模型中的一步估计法

提出一步估计方法用以估计变系数模型中具有不同光滑度的未知函数. 在这一方法中, 不同阶的多项式用来逼近不同光滑度的未知函数. 由于只使用一次极小化, 所需计算量要比现有的两步方法少得多. 一步估计量被证明达到了最优收敛速度, 而且, 这一性质是在比两步估计法更弱的条件下得到的. 更重要的是, 由于只执行一次极小化, 估计量的所有渐近性质, 不仅是渐近偏差、方差, 而且渐近分布都能推出. 渐近分布将在统计推断中起着重要作用.     

系数函数光滑度互不相同的变系数模型的一步估计法

该文提出了一种一步估计方法用以估计变系数模型中具有互不相同光滑度的未知函数, 所有未知函数和它们的导数的估计量由 一次极小化得到. 给出了估计量的渐近性质, 包括渐近偏差、方差和渐近分布, 一步估计量被证明达到了最优收敛速度.     

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.     

变系数模型中的逐元B-Spline估计法

给出了一种用于估计变系数模型中未知函数的逐元B-Spline方法,建立了估计量的局部渐近偏差,方差和渐近正态分布,开发了一种快速选择估计量窗宽的方法,通过Monte Carlo模拟研究了估计量的有限样本性质.     

变系数模型中的逐元B-Spline估计法

给出了一种用于估计变系数模型中未知函数的逐元B-Spline方法,建立了估计量的局部渐近偏差,方差和渐近正态分布,开发了一种快速选择估计量窗宽的方法,通过Monte Carlo模拟研究了估计量的有限样本性质.     

非参数异方差回归模型的局部多项式估计——基于农村居民消费与收入的实证分析

本文主要研究非参数异方差回归模型的局部多项式估计问题.首先利用局部线性逼近的技巧,得到了回归均值函数的局部极大似然估计.然后,考虑到回归方差函数的非负性,利用局部对数多项式拟合,得到了方差函数的局部多项式估计,保证了估计量的非负性,并证明了估计量的渐近性质.最后,通过对农村居民消费与收入的实证研究,说明了非参数异方差回归模型的局部多项式方法比普通最小二乘估计法的拟合效果更好,并且预测的精度更高.     

半参数回归模型的稳健补偿最小二乘估计

本文研究了一类半参数回归模型，利用稳健补偿最小二乘估计法，得到了稳健补偿最小二乘估计量，以及它们的影响函数及渐近方差一协方差，对结果的分析表明了该法优于补偿最小二乘法，而且具有稳定性．     

空间半参数变系数部分线性回归中的分位数估计

本文研究了空间数据变系数部分线性回归中的分位数估计. 模型中的参数估计量通过未知系数函数的分段多项式逼近得到, 而未知系数函数的估计量通过将参数估计量代入模型中并通过局部线性逼近得到. 文中推导了未知参数向量估计量的渐近分布, 并建立了未知系数函数估计量在内点及边界点的渐近分布. 通过Monte Carlo 模拟研究了估计量的有限样本性质.     

VALUE-AT-RISK的核估计理论

如何根据历史数据估计Value-at-Risk（VaR）;是风险分析与管理中一个重要的基本问题.木文基于非参数核估计方法,通过拟合实际数据过程的分布,构造了VaR的估计.在合适的相依数据条件下,证明了该估计量的渐近正态性,并给出了渐近方差的估计.由此表明:本文所构造的估计量不仅比参数模型具有更广泛的适应性,而且如同参数模型具有n~（-1/2）的收敛速度.本文假设的数据过程避免使用混合性,可很好地适用于金融管理中广泛应用的ARMA与GARCH模型族及非线性模型.     

固定设计函数型非参数回归模型的估计

本文研究一类固定设计函数型非参数回归模型回归算予的估计问题,其中,解释变量X是取值于某函数空间的函数型变量,响应变量y为实值随机变量,在误差是一弱平稳线性过程及适当的条件下,获得未知回归函数算子估计量的相合性及其收敛速度和渐近正态性,推广了现有文献中的相关结果.     

误差为MA(∞)序列的半参数回归模型小波估计的渐近正态性

用小波估计研究误差为MA(∞)序列的半参数回归模型,在比较弱的条件下得到了自协方差函数及自相关函数估计量的渐近正态性,并且用小波估计法建立了英国烈酒消费模型,说明了该法的有效性.     

随机环境中具有迁入的分枝过程的时序估计量的性质

讨论时序估计量^m(c)~、m(c)期望、方差,得出估计量^2σn的渐近性质和估计量^mNc的一致渐近正态性.     

上临界受控分枝过程后代均值的条件最小二乘估计

本文研究具有随机控制函数的受控分枝过程在上临界情形下其后代均值的加权条件最小二乘估计.在假设控制函数的期望和方差满足一定的条件下,证明了该估计量的强一致性以及它的渐近正态性.     

响应变量随机缺失下的广义变系数模型的估计

在响应变量随机缺失时,利用拟似然方法给出了广义变系数模型中非参数函数系数的估计.研究了所得到的估计的渐近性质,求出了估计的渐近偏差与渐近方差,并进行模拟比较.     

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。     

非线性半参数回归模型的最大经验似然估计

对于非线性半参数回归模型的估计问题,利用经验似然方法,给出了回归系数,光滑函数以及误差方差的最大经验似然估计.在一定条件下证明了所得估计量的渐近正态性和相合性.     

空间数据变系数回归中的B-spline估计法

本文借助B—spline函数逼近开发了一种整体估计程序,用以估计变系数回归中的未知系数函数．在较弱假设条件下,建立了未知函数B—spline估计量的整体收敛速度,渐近性结果显示B-spline估计量达到了最优收敛速度,并推导了未知函数B—spline估计量的渐近分布．本文还给出了一种光滑参数选择方法,通过Monte Carlo模拟研究了估计量的有限样本性质,并用文中提出的方法分析了1980年美国总统选举投票数据．     

基于Copula函数的应力-强度模型可靠度的非参数估计

本文研究了相关的应力变量和强度变量在右删失的情形下,应力-强度模型可靠度的非参数估计.其中变量之间的相关关系采用常见的Farlie-Gurnbel-Morgenstern copula函数和Clayton copula函数来度量.采用经验过程的理论,本文建立了所提出估计量的相合性及渐近正态性.数值模拟的结果表明所提出的方法在有限样本下表现良好.本文所提出的方法在实际中有广泛的应用前景.     

相依删失情形下加速失效模型的广义M估计

在生存分析中,加速失效模型(AFT模型)是研究失效时问与协变量之间关系的一类重要模型.在AFT模型框架下,通过在广义M估计的目标函数中使用广义Kaplan-Meier权,本文提出了含相依删失数据的AFT模型回归系数及刻度参数的加权广义M估计.渐近性质方面,得到了广义M估计的相合性和渐近正态性;关于估计量的有限样本性质,通过模拟研究验证了该估计量在有限样本情形下效果良好.     

带复合泊松跳扩散模型的点波动率门限估计量的渐近性质

本文研究了带复合泊松跳扩散模型的点波动率门限估计量的渐近性质.利用门限方法和核函数技术,构造并证明了此模型点波动率估计量的渐近正态性.同时,应用Grtner-Ellis定理及大偏差中的Delta方法,得到了估计量的中偏差原理.