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。     

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σ２ｉ＝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,ｅｉ是随机误差．对文［１］给出的基于ｇ（·）及ｆ（·）的一类非参数估计的β的最小二乘估计＾βｎ和加权最小二乘估计βｎ,我们在适当条件下证明了它们的强相合性．     

部分线性回归模型中的自适应估计

考虑半参数回归模型y_i=x_iβ+g(t_i)+e_i,1≤i≤n;其中g(·)是未知函数,β是待估参数,e_i是随机误差. 本文首先在(x_i,t_i)是i.i.d设计点列下,当g(·)的估计取一类核估计序列时,构造了β的自适应估计β_n,同时给出了β_n及g_n^*(g的最终估计)的渐近最优强弱收敛速度;然后在(x_i,t_i)是固定非随机设计点列下,当g(·)的估计取一般非参数估计(包括常见核估计和近邻估计),讨论了β的最小二乘估计的渐近正态性.     

一类纵向数据半参数模型估计的收敛速度

本文研究了一类纵向数据半参数模型参数和回归函数的估计问题.利用最小二乘法和一般的非参数权函数方法,获得了参数估计量的强收敛速度和回归函数估计量的一致收敛速度,推广了文献[4]的相应结果.     

部分线性模型参数极大似然估计的收敛速度

针对部分线性模型, 在其随机误差的分布函数属于刻度族, 刻度参数未知, 并且响应变量的观测值为区间删失数据的情形下, 讨论了其Sieve极大似然估计的强相合性和弱收敛速度.     

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．     

自变量带误差的线性模型参数估计的收敛速度

给出了部分变量带误差而部分变量不带误差的线性咽归模型的参数估计的收敛速度。     

线性回归模型参数的联立经验Bayes估计的收敛速度

本文考虑了线性模型中回归系数β=(β₁,…,β_p)′和误差方差σ²的联立经验Bayes(EB)估计.在二次损失下,利用密度函数及其编导数的核估计构造出参数θ=(β₁,…,β_p,σ²)的联立EB估计,在一定条件下证明了θ的联立EB估计的收敛速度任意接近于1.最后、给出了一个实例.     

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.     

线性模型回归系数EB估计的一致收敛速度

利用多元密度函数及其导数的核估计方法，建立了多元线性模型回归系数的经验Ｂａｙｅｓ估计，并给出了这种估计的一致收敛速度。     

线性约束下部分线性模型中估计的渐近性质

考虑回归模型yi=x′iβ+ g(ti) + ei, 0 ≤i ≤nr=Rβ其中(xi,ti)是固定非随机设计点列,xi=(xi1,…,xip)′,β=(β1,…,βp)′(p 1) ,g是定义在[0 ,1]上的未知函数,β是未知待估参数,0≤ ti≤1i,ei 是i.i.d随机误差,且Eei=0 ,Ee2i=σ2 <∞.r是一个J维向量,R是一个J* p列满秩矩阵,基于g的估计取一个非参数权估计,本文讨论了在线性约束下β的最小二乘估计的相合性及渐近正态性.     

固定设计点的半参数回归模型的M估计的渐进分布

讨论了固定设计点的半参数回归模型的大样本性质,得到了模型的Ｍ估计的渐进分布,并建立了关于参数的检验。数值模拟结果表明,本文提出的方法具有较好的稳健性。     

Uniform Convergence Rate of Estimators of Autocovariances in Partly Linear Regression Models with Correlated Errors

Consider the partly linear regression model ,where yi's are responses, xi = (xi1, xi2,…,xip)' and ti ∈T are known and nonrandom design points, T is a compact set in the real line is an unknown parameter vector, g(·) is an unknown function and {Ei} isa linear process, i.e., random variables with zeromean and variance o2e. Drawing upon B-spline estimation of g(·) and least squares estimation of 0, we construct estimators of the autocovariances of {Ei}- The uniform strong convergence rate of these estimators to their true values is then established. These results not only are a compensation for those of [23], but also have some application in modeling error structure. When the errors {Ei} are an ARMA process, our result can be used to develop a consistent procedure for determining the order of the ARMA process and identifying the non-zero coefficients of the process. Moreover, our result can be used to construct the asymptotically efficient estimators for parameters in the ARMA error process.     

Empirical Likelihood Semiparametric Regression Analysis under Random Censorship

This paper considers large sample inference for the regression parameter in a partly linear model for right censored data. We introduce an estimated empirical likelihood for the regression parameter and show that its limiting distribution is a mixture of central chi-squared distributions. A Monte Carlo method is proposed to approximate the limiting distribution. This enables one to make empirical likelihood-based inference for the regression parameter. We also develop an adjusted empirical likelihood method which only appeals to standard chi-square tables. Finite sample performance of the proposed methods is illustrated in a simulation study.     

多维参数线性经验Bayes估计一致收敛速度的最优性

证明出任何一个多维参数性经验Ｂａｙｅｓ估计的一致收敛速度不可能超过１，从而说明文［１］中构造的线性经验Ｂａｙｅｓ估计的一致收敛速度１是最优的。     

�������췽�������EVģ�͵�С�����Ƶ�Berry-Esseen��

Using wavelet smoothing and least-squares methods,we investigate a heteroscedastic partly linear errors-in-variables (EV)model with $\alpha$-mixing random errors. The wavelet estimators of the parametric parts and nonparametric parts are given, and Berry-Esseen bounds of wavelet estimators are obtained under general conditions.     

Convergence rates of MLE in a partly linear model

This paper considers the estimation for a partly linear model with case 1 interval censored data. We assume that the error distribution belongs to a known family of scale distributions with an unknown scale parameter. The sieve maximum likelihood estimator (MLE) for the model’s parameter is shown to be strongly consistent, and the convergence rate of the estimator is obtained and discussed.     

误差为鞅差序列的非参数回归模型的完全相合性

在误差为鞅差序列的条件下,利用截尾方法及鞅差序列的指数不等式,研究了非参数回归模型P-C估计量的完全收敛性,且得到了完全收敛的收敛速度.     

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.