半参数非线性再生散度模型的渐近推断

对半参数非线性再生散度模型,先引入最佳偏差曲线.再求非参数部分的局部线性估计,然后得到参数的广义边侧极大似然估计.同时,基于正则条件,证明了所得估计的存在性,强相合性和渐近正态性,推广了已有文献的工作.     

非线性再生散度随机效应模型的渐近性质

对非线性再生散度随机效应模型, 该文给出了类似于Barndroff-Nielson, Cox (1989)和Severin, Wong (1992)的正则条件, 基于这些正则条件和Laplace近似, 证明了该模型参数极大似然估计的存在性、强相合性和渐近正态性.     

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.     

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.     

非线性再生散度模型的渐近性质

对非线性再生散度模型,给出了类似于Ｆａｈｒｍｅｉｒ＆Ｋａｕｆｍａｎｎ（１９８５）和Ｗｅｉ（１９９８）的正则条件．基于这些正则条件,证明了最大似然估计的存在性、强相合性和渐近正态性,推广了已有文献的工作．     

缺失数据下非线性半参数EV模型的估计

考虑解释变量带有测量误差且响应变量随机缺失情形下的非线性半参数EV模型. 利用核实数据,构造了未知参数和非参数函数的两种估计.证明了未知参数估计的渐近正态性,给出了非参数函数估计的最优收敛速度.     

AANA序列的半参数模型的强相合性

讨论渐近几乎负相依序列的半参数模型,利用最小二乘法和非参数加权的估计方法,得到参数、非参数和误差方差的估计,并在合适的条件下得到这些估计量的强相合性,推广了负相依序列的半参数模型的相应结论.     

核实数据下非线性半参数EV模型的估计（英文）

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.     

核实数据下误差在反映变量的非线性半参数模型的降维估计

考虑响应变量带有一般测量误差的非线性半参数模型.在核实数据的帮助下,利用半参数降维技术构造未知参数和非参数函数的估计.在一定条件下证明未知参数估计的渐近正态性和非参数函数估计的最优收敛速度.通过数值模拟说明所提估计方法在有限样本下的有效性.     

纵向数据下半参数混合效应模型的估计

考虑纵向数据下一类半参数混合效应模型.应用核权函数法以及矩估计法给出了总体效应和个体效应的估计.在一般的条件下,证明了总体效应估计的渐近正态性,并给出该估计的置信区域.对总体效应和个体效应的估计进行了模拟研究,模拟显示估计效果较好.     

成组复发事件下的一般半参数加性乘积比率回归模型

本文在成组复发事件下研究了一个一般半参数的加性乘积比率模型,利用估计方程的理论,给出了该模型中未知参数和基本比率函数的估计,同时利用现代经验过程理论证明了所得估计的相合性和渐近正态性.     

半参数EV模型参数的二阶段估计

本文综合核函数法 ,最小二乘法 ,利用二阶段估计的方法求出了 EV模型中参数的估计量 ,并研究了它的强相合性以及渐近正态性 .     

非线性再生散度模型的几何结构及其渐近推断

本文基于唐年胜等(1999)对非线性再生散度模型在欧氏空间建立的微分几何结构导出了与估计有关的随机展开以及与统计曲率有关的若干渐近推断,推广了韦博成等人关于非线性回归模型和指数族非线性模型的相应结果.     

左截断右删失数据下半参数模型风险率函数估计

文章给出了右删失左截断数据半参数模型下的风险率函数估计,讨论了风险率函数估计的渐近性质,获得了这些估计的渐近正态性,对数律和重对数律.由于假定删失机制服从半参数模型下,从而知道模型的更多信息,因此对于给出参数的极大似然估计,可以改进风险率函数估计的渐近性质.也就是说,删失数据模型具有半参数的辅助信息下, 风险率函数估计的渐近方差比通常的完全非参数的估计的渐近方差更小.这说明加入了额外的信息提高了风险率函数估计的效率.     

非线性再生散度模型的Bayes估计

非线性再生散度模型是指数族非线性模型、广义线性模型和正态非线性回归模型的推广和发展,唐年胜等人研究了该模型参数的极大似然估计及其统计诊断。本文基于Gibbs抽样和MH抽样算法讨论非线性再生散度模型参数的Bayes估计。模拟研究和实例分析被用来说明该方法的有效性。     

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.     

带有不可忽略缺失数据的半参数再生散度模型的贝叶斯分析

半参数再生散度模型是再生散度模型和半参数回归模型的推广,包括了半参数广义线性模型和广义部分线性模型等特殊类型.讨论的是该模型在响应变量和协变量均存在非随机缺失数据情形下参数的Bayes估计和基于Bayes因子的模型选择问题.在分析中,采用了惩罚样条来估计模型中的非参数成分,并建立了Bayes层次模型;为了解决Gibbs抽样过程中因参数高度相关带来的混合性差以及因维数增加导致出现不稳定性的问题,引入了潜变量做为添加数据并应用了压缩Gibbs抽样方法,改进了收敛性;同时,为了避免计算多重积分,利用了M-H算法估计边缘密度函数后计算Bayes因子,为模型的选择比较提供了一种准则.最后,通过模拟和实例验证了所给方法的有效性.     

带有缺失数据的广义半参数模型的均值借补估计

本文在响应变量随机缺失时, 给出了广义半参数模型中响应变量的2个均值拟似然借补估计.证明了它们具有渐近正态性, 给出了估计的渐近偏差与渐近方差, 并进行模拟比较.     

弱相依半参数回归模型的加权小波估计的渐近正态性

本文研究了半参数回归模型y_i=X'_iβ+g(t_i)+e_i,i=1,2,···,n,其中{e_i}为ψ-弱相依随机误差序列.利用小波估计的方法得到了参数、非参数的加权小波估计量.在相当一般的条件下,获得了这些小波估计量的渐近正态性,不仅推广了半参数回归模型的相应结果,而且在一定程度上统一了相依半参数回归模型的渐近正态性的理论.     

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．