污染数据回归分析中估计的强相合性

考虑简单回归模型（Ⅰ）yi＝α＋xiβ＋εi，i＝1，2，…，n，与半参数回归模型（Ⅱ）yi＝xiβ＋g（ti）－εi，i＝1，2，…，n，其中Eεi＝0，Eεi2＝σ12．假定y1，y2，…，yn受到另一独立同分布随机变量序列μ1，μ2，…，μn的污染，且仅能观察到污染数据，｛μi｝与｛yi｝独立．对文[1]，[2]中给出的α，β，g（·）及污染参数v的估计，本文在适当的条件下，证明了它们的强相合性．     

半参数回归模型的误差方差的小波估计

考虑半参数回归模型yi=Xi'β＋g（ti）＋ei,1≤i≤n,其中β∈Rd为未知参数,g（t）为[0,1]上的未知Borel函数,xi为Rd上的随机设计,{ei}为i.i.d．随机误差本文构造了误差方差σi2=var（ei）的小波估计■,得到了■的渐近正态性,同时构造了var(ei2)的小波估计■,并且证明了■的弱相合性,由此可知■依分布收敛于N（0,1）,这一结果可用于构造σ2的大样本区间估计或对σ~2进行大样本检验。     

固定设计的时间序列半参数回归

考虑如下的半参数回归模型Yi=xTiβ+g(ti)+εi(0≤i≤n),其中{εi,0≤i≤n}和{εt,0≤t≤n}有相同的联合分布,{εt,-∞＜t＜∞}是具有零均值和有限方差σ2的严平稳α-混合时间序列.本文构造了上述模型中β,g(t)和σ2的局部多项式估计,在适当的条件下,得到了估计的渐近正态性和收敛速度.在一定的假设下,β的估计是自适应的,而且g(υ)(t)(g(t)的第υ阶导数)的估计的收敛速度是最优的.     

带有异方差的部分线性回归模型的B样条估计

考虑一带有异方差的固定设计部分线性回归模型yij=X'ijβ+g(tij)+εij,i=1,2…,k:j=1,2,…,ni,和sum from i=1 to kni=n,其中yij为响应变量,β=(β1,…,βp)’是未知的参数向量,g(·)是未知的函数,Xij=(Xij1,…,Xijp)’和tij∈[0,1]为已知的非随机设计点,εij为均值0,方差是σi2的随机误差,其中σi2可能不同.通过B样条级数近似非参数分量,构造了参数分量β的一个半参数广义最小二乘估计.在一些矩条件下,导出了此半参数广义最小二乘估计的渐近分布,大多数在实际中遇到的误差分布都满足这些矩条件.另外,也构造了半参数广义最小二乘估计的渐近协方差矩阵的一个相合估计,还讨论了非参数分量的B样条估计.所有这些大样本性质都是在k趋于无穷大,ni有限时导出的.这些结果能被用来做渐近有效的统计推导.     

一个部份自回归模型的渐近有效性<英>

本文考虑部分自回归模型 X_t=X_(t-1)β g(U_t) ε_t,t≥1.这里g是一未知函数,β是一待估参数,ε_j是具有0均值和方差σ~2的i.i.d.误差,U_t i.i.d.服从[0,1]上均匀分布.本文首先给出了相合估计的收敛阶和Takeuchi意义下渐近有效界.同时给出了β最小二乘估计是有效的充要条件.最后证明了MLE是渐近有效的.     

带有异方差的部分线性回归模型的B样条估计

考虑一带有异方差的固定设计部分线性回归模型yij=x'ijβ+g(tij)+εij,i=1,2,…,k,j=1,2,…,ni,和∑ni=n,其中yij为响应变量,β=(β1,…,βp)'是未知的参数向量,g(.)是未知的函数,xij=(xij1,…,xijp)'和tij∈[0,1]为已知的非随机设计点,εij为均值0,方差是σ2i的随机误差,其中σ2i可能不同.通过B样条级数近似非参数分量,构造了参数分量β的一个半参数广义最小二乘估计.在一些矩条件下,导出了此半参数广义最小二乘估计的渐近分布,大多数在实际中遇到的误差分布都满足这些矩条件.另外,也构造了半参数广义最小二乘估计的渐近协方差矩阵的一个相合估计,还讨论了非参数分量的B样条估计.所有这些大样本性质都是在k趋于无穷大,n.有限时导出的.这些结果能被用来做渐近有效的统计推导.     

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.     

固定设计下一类半参数回归模型的渐近性质

对固定设计下的一类半参数回归模型yi=xiβ+g(xi)+ei,i=1,2,…,n,综合最小二乘和非参数权函数估计方法,定义了,βg的估计量β∧n,gn∧及误差方差σ2的估计量σ2n∧.在适当条件下,证明它们具有强相合性和p(2)阶平均相合性.模拟的结果表明所得结果具有优良的性质.     

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．     

一个部份自回归模型的渐近有效性

本文考虑部分自回归模型Ｘｔ＝ｘｔ－１β＋ｇ（Ｕｔ）＋εｔ，ｔ≥１。这里ｇ是一未知函数，β是和待估参数，εｊ是具有０均值和方差σ＾２的ｉ．ｉ．ｄ．误差，Ｕｔｉ．ｉ．ｄ．服从［０，１］上均匀分布。