有重复观测的部分线性EV模型的参数估计

构造了有重复观测的部分线性EV模型中的诸多参数估计, 包括回归系数、回归误差方差以及非参数函数估计, 去除了有关经典文献中关于测量误差方差已知的假设. 在一些正则条件下, 证明了所有这些估计都是强相合的, 同时获得了回归系数估计的渐近正态性、非参数函数估计的最优收敛速度. 模拟计算表明这些估计的效果优良.     

部分线性自回归模型中误差方差的核估计

基于非参数函数的核估计,构造了部分线性自回归模型中误差四阶矩的相合估计,从而给出了误差方差核估计的渐近正态性,并通过模拟算例和实例说明了其应用.     

附加信息下的局部线性估计

在回归模型中，对一类因变量函数的条件期望方程的附加信息，我们提出了基于极大经验似然方法的局部线性点估计，在一定条件下证明了这些估计的相合性和渐近正态性，而且估计的方差小于通常不带附加信息核估计的方差．模拟结果也显示了估计的优良性．     

随机设计非线性混合模型的统计分析

本文研究了个体观察次数为随机的非线性 混合效应模型中参数的点估计以及区间估计. 在仅给出适当的矩条件下, 给出了固定效应、随机效应的方差阵以及误差方差的矩估计, 并证明了估计量的相合性及渐近正态性. 为给出误差方差以及随机效应方差分量的置信区间, 本文也给出了误差及随机效应的四阶矩估计. 随机模拟说明了方法的有效性.     

误差方差的非齐次估计的可容许的充要条件

研究误差方差的非齐次二次估计的可容许性．在平方损失下,给出了一个非齐次二次估计在非齐次二次估计类中是误差方差的容许估计的充要条件．     

半参数再生散度非线性模型中参数的投影核和刀切估计的相合性与渐近正态性

半参数再生散度非线性模型(SRDNM)是再生散度非线性模型和半参数回归模型的自然推广和发展,它包括半参数非线性模型和半参数广义线性模型等特殊模型. 基于非参数部分的局部核估计, 给出了SRDNM模型中参数的投影核估计与刀切估计, 并对其进行了理论比较. 在一定的正则条件下,得到了这两类估计的强相合性与渐近正态性. 相比之下, 刀切估计比投影核估计具有更大的渐近方差. 最后, 模拟研究和实例分析被用来说明所给方法的有效性.     

部分线性变系数模型中估计的渐进正态性

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类应用非常广泛的模型,本文基于Profile最小二乘方法给出了模型中参数分量与非参数分量的估计,并在异方差情形下证明了这些估计的渐进正态性.     

数据缺失情形线性回归模型中误差方差的经验似然估计

在随机缺失(MAR)机制下利用经验似然方法构造了线性回归模型中误差方差的估计.并在一定条件下,证明了该估计的渐近正态性,由此得出当误差的分布不对称时,该估计的渐近方差比常用估计的渐近方差小.     

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.     

协方差的二次型容许估计

本文研究方差的二次型估计的容许性,在平方损失下,我们给出了一个二次型估计在二次型估计类中是协方差的容许估计的充要条件。     

纵向数据下部分线性EV模型的渐近性质

研究了纵向数据下部分线性EV函数关系模型.应用一般非参数权函数法和广义最小二乘法给出了未知参数β,误差方差σ2以及未知函数g(·)的估计.在一般的条件下,证明了β,σ2估计的渐近正态性,同时也给出了未知函数g(·)估计的收敛速度,其结果是独立数据情形下相应结果的推广.     

部分线性变系数模型中误差方差的估计

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类在建模中应用非常广泛的模型.本文基于Profile最小二乘方法给出了模型中误差方差的估计并证明了该估计的渐近正态性.最后通过数值模拟验证了我们所提估计方法的有效性.     

混合模型中方差分量估计的容许性及非负估计

对含有两个方差分量的线性混合模型, 本文构造了方差分量的一个线性估计类, 它包含许多常见的方差分量估计. 在这个类中我们建立了容许性的必要条件, 据此得到了两个新的改进估计. 最后我们讨论了方差分量的非负估计, 得到了优于方差分析估计和Tatsuya估计的正估计.     

变系数ARCH-M模型的ARCH效应检验

本文考虑变系数ARCH—M模型,构造了非参数部分和参数部分的截面似然估计。基于估计的渐近性质,构造了Wald检验统计量来检验模型是否具有条件异方差性。数值模拟结果表明,所构造的估计和Wald统计量具有良好的有限样本性质。     

强混合样本且含附加信息情形M估计和分位数估计的渐近性质（英文）

在强混合样本且含附加信息情形,本文采用经验似然方法提出了一类新的M估计和新的分位数估计.结果表明,本文提出的M估计和分位数估计具有相合性和渐近正态性,且其渐近方差比一般M估计和分位数估计的渐近方差小.     

非线性E-V回归模型中参数估计的渐近性质

本文讨论了非线性E-V回归模型中参数的估计问题,构造了未知参数β0的最小二乘估计β和误差方差σ2的估计σ2,证明了β具有渐近正态性,同时也证明了σ2依概率收敛于σ2的速度可达到n-1/2.     

非线性E-V回归模型中参数估计的渐近性质

本文讨论了非线性E-V回归模型中参数的估计问题,构造了未知参数β0的最小二乘估计β和误差方差σ2的估计σ2,证明了β具有渐近正态性,同时也证明了σ2依概率收敛于σ2的速度可达到n-1/2.     

删失数据下的变系数回归模型

研究了删失数据下的变系数回归模型．通过数据变换,利用局部多项式方法,给出了系数函数的局部加权最小二乘估计．证明了该估计的渐近偏差和渐近方差,同时获得了该估计的渐近正态性．     

半参数变量含误差函数关系模型的小波估计

本文研究半参数变量含误差函数关系模型，应用小波估计法和全最小二乘法得出未知参数和未知函数的估计，在一般的条件下，证明了估计的强相合性、一致强相合性，并给出了误差方差估计的强收敛速度。     

变系数混合效应模型

本文研究了下列变系数混合效应模型: $y_{ij}=z_{ij}^{\tau}b_i+x_{ij}^{\tau}\beta(w_{ij}) +\xe_{ij},\;i=1,\cdots,m;\;j=1,\cdots,n_i$, 其中$b_i$为i.i.d.期望为$\xt$, 协方差阵为$\xs^2_bI_q$的随机效应向量, $\xe_{ij}$是i.i.d.期望为零, 具有有限方差的随机误差. 文中我们不仅给出了函数系数向量$\xb(\cdot)$的局部多项式估计, 同时给出了随机效应期望、方差和随机误差方差的估计, 并给出了这些估计量的渐进正态性和相合性, 研究结果表明了这些估计量的可靠性.