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．     

混合误差下回归权函数估计的强相合性

对非参数模型Ｙｉ＾（ｎ）＝ｇ（ｘｉ＾（ｎ））＋ξｉ＾（ｎ）,用权函数ｇｎ（ｘ）＝Σ↑ｎ↓ｉ＝１Ｗｎｉ（ｘ）Ｙｉ＾（ｎ）;估计ｇ（ｘ）,在误差为某些相依随机变量列下,我们获得了ｇｎ（ｘ）,的强相合性及一致强相合性。     

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．     

误差为鞅差序列的半参数回归模型估计的相合性

设半参数回归模型Ｙ（ｎ）ｉ＝β·ｘ（ｎ）ｉ＋ｇ（ｔ（ｎ）ｉ）＋Ｅ（ｎ）ｉ,ｉ＝１,２,…,ｎ,本文由最小二乘法和一般加权方法定义的β、ｇ（ｔ）的估计量βｎ,ｇｎ（ｔ）,在误差为鞅差序列下获得了βｎ,ｇｎ（ｔ）的ｒ（≥２）阶平均相合性．     

一类半参数回归模型的估计问题

该文对半参数回归模型ｙｉ~（Ｔ）＝βｘｉ~（Ｔ）＋ｇ（ｔｉ~（Ｔ））＋ε_ｉ~（Ｔ）,定义了β,ｇ的估计量β_Ｔ,ｇ_Ｔ（ｔ）,获得了它们的强相合、强一致相合、ｓ阶矩相合,ｓ阶一致矩相合性．     

半参数回归的线性小波光滑

考虑半参数回归模型上未知函数,ｙｉ＝ｘ_ｉβ＋ｇ（ｔｉ）＋ｅｉ,１≤ｉ≤ｎ,ｇ（·）为Ｒ~１上未知参数,β∈Ｒ~ｐ为待估参数, Ａｎｔｏｎｉａｄｓ［３］中给出了非参数回归模型的小波估计,借鉴［３］我们利用偏残差法给出了β、ｇ（·）的小波估计β、ｇ（·）．本文研究了β、ｇ（·）的弱相合性及它们偏差和方差的渐近性质,并且得到了β的渐近正态性．     

固定设计下半参数回归模型估计的强相合性

对于半参数模型ｙｉ（Ｔ）＝βｘｉ（Ｔ）＋ｇ（ｔｉ（Ｔ））＋εｉ（Ｔ），本文综合最小二乘和一般的非参数估计方法，定义了β，ｇ的估计量βＴ，ｇＴ，在适当条件下证明了它们的强相合性，     

完全与截尾样本时半参数回归模型估计的强相合性

对于固定设计下的半参数回归模型：ｙ_ｉ=ｘｉβ＋ｇ（ｔｉ）＋ｅｉ,ｉ＝１,…,ｎ．其中｛ｅｉ｝为独立随机误差序列（不必同分布）,且Ｅｅｉ＝０,Ｅｅｉ２＝σ_ｉ~２＞０．对完全和截尾样本,仿文献［２］给出了β、ｇ（·）的估计量,并证明了他们的强相合性．     

分位点过程随机加权逼近的相合性

本文将随机加法应用于分位点过程，建立了ｎ＾１／２｛Ｆ＾－Ｄ１ｎ（ｇ）－Ｆ＾－１（Ｇ）｝的分布的随机加权逼近的相合性，并给出了其收敛速度。     

半参数回归估计的相合条件

设有半参数回归模型ｙｉ＝ｘ’，β＋ｆ（ｔｉ）＋ｅｉ，ｉ＝１，．．．ｎ，其中｛ｔｉ｝为常数列，本文对｛ｘｉ｝为设计点列的情形，给出了β、ｆ（ｔ）有相合估计的条件；在｛ｘｉ｝为随机的情形，建立了ｆ（ｔ）估计的相合性。     

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．     

ρ—混合序列加权和的完全收敛性

对混合速度不作限制下，讨论了ρ－混合序列加权和Ｔｎ＝Σ（ｎ，ｋ＝１）αｎｋＸｋ的完全收敛性，推广了Ｗ．Ｆ．Ｓｔｏｕｒｔ的结果。将此新结果应用于线性模型参数β的估计中，得出β的最小二乘估计βｎ的强相合性     

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．     

异方差回归模型近邻型估计的相合性

本文研究异方差回归模型Ｙｉ＾（ｎ）＝ｇ（ｘｉ＾（ｎ））＋εｉ＾（ｎ）,ｉ＝１,…,ｎ,其中ｇ是右实函数,ｘｉ＾（ｎ）是非随机设计点列,εｉ＾（ｎ）是随机误差,文中定义了一类ｇ（ｘ）的近邻型估计ｇｎ（ｘ）＝（ｎ）∑（ｉ＝１）Ｗｍ（ｘ）Ｙｉ＾（ｎ）,得到了ｒ阶平均相全和渐近正态性,特别,在（∞）∑（ｎ＝１）（ｎ）∑（ｉ＝１）Ｅ／εｉ＾（ｎ）／＾ｓ／（ｎｉ）＾ｓ／ｒ〈∞,ｍａｘＥ（１≤ｉ≤ｎ）／εｉ（＾     

一类线性errors－in－variables模型的参数强相合估计及其a．s．收敛速度

本文讨论了如下一类线性ｅｒｒｏｒｓ－ｉｎ－ｖａｒｉａｂｌｅｓ模型——多元线性结构关系模型β′ｘｋ＋α＝０，ξｋ＝ｘｋ＋εｋ．｛ｋ＝１，２，…，ｎ．其中，｛ｘｋ：ｋ＝１，２，…，ｎ｝为一组ｉ．ｉ．ｄ．的ｍ维随机向量，｛εｋ：ｋ＝１，２，…，ｎ｝是ｉ．ｉ．ｄ．的随机误差，Ｅ（ε１）＝０，Ｖａｒ（ε１）＝σ２Ｉｍ．且｛ｘｋ：ｋ＝１，２，…，ｎ｝与｛εｋ：ｋ＝１，２，…，ｎ｝相互独立．在一些条件下，我们证明了估计量β，α，σ２的强相合性、唯一性，并给出了估计量的收敛速度为ｏ（ｎ－１－１ｑ），这里ｑ∈［１，２）．对于Ｅ（ｘ１）ｕ１和Ｖａｒ（ｘ１）Ｖｘ的估计也得出了同样的结果     

复分块阵的正定性及AX＝b的反问题求解

复分块阵的正定性及ＡＸ＝ｂ的反问题求解陈福元（福建省龙岩师专数学系３６４０００）设Ｃ＿（ｎｘｍ）和Ｃ￣ｎ分别是ｎ×ｍ复阵集和ｎ维复列向量集，Ａ＞０表示Ａ是埃尔米特正定阵。Ａ、Ａ￣Ｔ和分别是Ａ∈Ｃ＿（ｎ×ｍ）的共轭转置阵、转置阵和共轭阵，Ｒｅｚ和｜ｚ｜...     

截尾数据的非参数回归函数的核估计

基于｛（Ｘｉ，Ｚｉ，δｉ），１≤ｉ≤ｎ｝，我们建立了Ｅ（Ｙ│Ｘ＝ｘ）的估计ｍｎ（ｘ）和ｍ＾ｎ（ｘ），并证明了估计量的强弱相合，积分绝对误差的强相合与平均相合性。     

m（n）－相依样本非参数回归残差密度的相合估计

考虑非参数回归模型：Ｙ_i＝Ｍ（Ｘ_i）＋ｅ_i，其中Ｍ（ｘ）为Ｂ（?Ｒ）上的未知实函数，（Ｘ_i，Ｙ_i）为来自（Ｘ，Ｙ）的ｍ（ｎ）相依样本，残差（ｅ_i）具有公共的未知密度ｆ（ｘ）．本文基于残差估计给出了ｆ（ｘ）的一种非参估计，并证明该估计具有逐点相合性，一致相合性及Ｌ₁相合性．     

半参数回归模型的估计的渐近性质

考虑半参数回归模型ｙｉ＝ｘｉ＾１β＋ｇ（ｔｉ）＋ｅｉ,１≤ｉ≤ｎ;其中ｇ为Ｒ上未知函数,σ０＾２＝Ｄ（ｅ１）柴根象等在１９９５年给出了β的二阶段估计βｎ,本文基于β１建立了σ０＾２的估计量σｎ＾２,研究了误差方差估计σｎ＾２的渐近正态性和强相合性,并且得到了可直接用于统计推断的统计量及其分布。     

几乎相合性与Bayes相合性

本文包含两个部分，首先我们证明了一个定理，它断言：在唯一的条件“不同参数值对应着不同的分布”之下，必存在一个“几乎相合”的估计，其次，基于这一结果，我们在很一般的条件下证明了当样本量趋于无穹时，一个贝叶斯决策必然是贝叶斯相合的，也就是说，若以Ｒｎ记样本量为ｎ时虫叶斯决策的风叶斯风险，则当ｎ→∞时有Ｒｎ→ｉｎｆＬ（θ０α）这里Ｌ为损失函数，α跑遍行动空间，而θ０为真参数值。