半参数方差误差模型的估计

本文综合近邻权函数法及最小二乘法，用两阶段最小二乘估计的方法得到了半参数EV模型中参数的估计量及其强相合性，渐近正态性。同时也得到了非参数函数的估计量及其强相合性，一致强相合性。     

核实数据下非线性半参数EV模型的估计

本文研究了核实数据下的协变量带有测量误差的非线性半参数EV模型.在不假定测量误差结构的情形下,利用最小二乘方法和核光滑技术,构造了非线性函数中未知参数的两种估计,证明了未知参数估计的渐近正态性.通过数值模拟说明所提估计方法在有限样本下的有效性.     

半参数回归模型中二阶段估计的渐近性质

给定半参数回归模型Y＝X′β g(T) e,其中β∈R^p是未知参数向量,g(t)是定义在[0,1]上的未知函数,e是随机误差,本文研究了β,,g(t)和σ2的估计量βn,gn(t)和σn^2,在适当的条件下证明了它们的渐近正态性,并给出了gn(t)的最优收敛速度。     

半参数回归模型独立情形的分离法估计

对半参数回归模型,用L2最佳逼近加矩估计的方法,推出其非参数部分的依L2与强相合联合收敛意义下的估计,及参数部分的强相合与相合渐近正态估计,并设计实行了一个模拟实验.     

两样本半参数模型的经验欧氏似然估计

在本文中，我们证明了两样本半参数模型的经验欧氏似然估计的相合性和渐近正态性，也证明了两样本半参数模型的经验欧氏似然比统计量的渐近x2分布性，最后给出了两个例子．     

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.     

污染数据半参数回归模型估计的渐近正态性

考虑半参数回归模型：yi=xiβ g(ti) e1,i=1,2,…,n,其中Ee1=0,Ee^2/1=δ2/1>0．假定y1,y2,…,y0受到另一独立同分布随机变量序列μ1,μ2,…,μn的污染,{μi}与{y1}独立,且仅能观察到污染数据.[ι]对由污染数据作出的参数β的估计βn,证明了它的强相合性．而本则证明了它的渐近正态性．     

混合误差半参数回归模型估计的强相合性

对半参数模型y（n）i＝β（n）xi＋g（t（n）i）＋ε（n）i，i＝1，2，…，n，综合运用最小二来法和非参数估计法，定义了β，g的估计量　，gn，在误差为某些混合序列下，得到了，gn（t）的强相合性及gn（t）的一致强相合性．     

固定设计下半参数回归模型估计的相合性

对于固定设计下的半参数模型yi=x1β g(ti)┬ei=1，2……，n本文综合最小二乘法和一般的非参数权估计方法，定义了β，g的估计量-βn，-gn及误差方差口α^2=Ee^21的估计量-α^2n，并在适当条件下，证明了它们的强相合性与P(≥2)阶平均相合性．     

变参数计量经济学联立模型的二阶段局部线性估计

联立方程计量经济学模型在经济政策制定、经济结构分析和经济预测方面起着重要作用。本文首次利用变参数计量经济学联立模型来研究我国转轨时期的宏观经济,并建立了变参数的二阶段局部线性估计。在宏观经济变量随机设计条件下,研究了估计量的大样本性质。与经典线性联立模型的比较结果表明:我国宏观经济变参数联立模型拟合效果优于线性联立模型。另外它也有助于克服我国经济数据不多而造成的非参数模型应用困难的现实情况。     

半参数回归模型的二阶段估计

考虑回归模型，ｇ为Ｒ１上未知函数，β为ｐ×１维待估参数向量．本文基于模型的可加性得到了β和ｇ的估计量，证明了它们具有很好的大样本性质．     

删失场合半参数回归模型的二阶段估计

对于半参数回归模型ｙｉ＝ｘ′ｉβ＋ｇ（ｔｉ）＋ｅｉ，１≤ｉ≤ｎ，ｇ为Ｒ１上未知函数，β为ｐ×１维待估参数向量．本文考虑当ｙｉ被随机删失时β和ｇ的估计．基于模型的可加性，利用综合数据法得到β的二阶段估计β～＊ｎ和ｇ的估计ｇ＊ｎ，并证明了它们的强相合性．     

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。     

一个半参数模型渐近有效估计的构造

对半参数回归模型Ｙ＝ＸＴβ十ｇ（Ｔ）＋ε，分别在ε的密度函数已知、未知的情况下，构造出了β的渐近有效估计．     

部分线性模型中参数估计的Bootstrap逼近

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β^ n和加权最小二乘估计βn,本文通过重抽样的方法构造了 β^n 和 βn 的 Bootstrap统计量 β^ *n 和 β*n .证明了在给定原样本的条件下 ,n (β^ *n -β^ n)和 n (β*n -β^ n)分别与 n (β^ n-β)和 n (βn-β)有相同的渐近分布 .     

NA误差下半参数回归模型估计的相合性

对半参数回归模型:Y(xin,tin)=tinb+g(xin)+e(xin),1≤j≤m,1≤i≤n,本文在NA相依样本下讨论了g的加权估计及b的最小二乘估计的强相合性与r(>2)阶平均相合性,使得文献犤2犦在独立样本下的相应结果得到推广     

BAHADUR ASYMPTOTIC EFFICIENCY IN A SEMIPARAMETRIC REGRESSION MODEL

ＢＡＨＡＤＵＲＡＳＹＭＰＴＯＴＩＣＥＦＦＩＣＩＥＮＣＹＩＮＡＳＥＭＩＰＡＲＡＭＥＴＲＩＣＲＥＧＲＥＳＳＩＯＮＭＯＤＥＬ￥ＬＩＡＮＧＨＵＡ；ＣＨＥＮＧＰＩＮＧＡｂｓｔｒａｃｔ：ＴｈｅａｕｔｈｏｒＳｇｉｖｅＭＬＥθ１ＭＬｏｆθ１ｉｎｔｈｅｍｏｄｅｌＹ＝θ...     

半参数回归模型中随机加权M估计的强逼近

用随机加权法给出了半参数回归模型中参数的随机加权M估计，在一般的条件下证明了用随机加权统计量的分布逼近原估计量误差的分布的强有效性，并给出了M估计的最优强收敛速度。