线性模型中估计的可容许性

本文推广了La Motte有关线性模型中可容许估计的结果,由此解决了一种方式分组随机效应模型中方差分量二次及非负二次估计的可容许问题,并证明了可容许估计类是一最小完备类。     

PA样本回归权函数估计的一致渐近正态性

在平稳PA样本下,讨论了非参数回归模型中权函数估计的一致渐近正态性,并给出了这个估计的一致渐近正态性的收敛速度.     

非参数回归中方差变点的小波检测(英文)

本文主要研究了非参数回归模型中方差函数的变点, 利用小波方法构造的检验量来检测方差中的变点,建立了这些检验量的渐近分布, 并且运用这些检验量构造了方差变点的位置和跳跃幅度的估计, 给出了这些估计的渐近性质, 并进一步通过随机模拟验证了本文方法在有限样本下的性质.     

单向分类随机效应模型中方差分量的渐近最优经验Bayes估计

本文在加权平方损失下导出了单向分类随机效应模型中方差分量的Bayes估计, 利用多元密度及其偏导数的核估计方法构造了方差分量的经验Bayes(EB)估计,证明了 EB估计的渐近最优性.文末还给出了一个例子说明了符合定理条件的先验分布是存在 的.     

随机效应模型中方差分量渐近最优的经验Bayes估计

本文在加权二次损失下导出了双向分类随机效应模型中方差分量的Bayes估计,并利用多元密度函数及其混合偏导数核估计的方法构造了方差分量的经验Bayes(EB)估计.在适当的条件下证明了EB估计的渐近最优性,给出了模型的特例和推广.最后,举出一个满足定理条件的例子.     

非参数方法下条件矩限制回归模型的广义矩估计

本文讨论条件矩限制回归模型的参数估计.使用非参数估计方法给出条件密度和条件均值的估计,在此基础上给出参数的广义矩估计.进一步讨论了估计的渐近正态性.     

应力中带有误差的破坏性加速退化试验分析

退化试验是工业统计中一种常用的可靠性分析方法.本文考虑了在破坏性加速退化试验中,应力带有误差的Berkson测量误差模型,推广了最小距离估计在固定个指示变量的情况,并证明了所得估计的相合性和渐近正态性.模拟结果显示本文的估计方法优于不考虑应力误差的最小二乘估计.     

非线性模型中方差和协方差分量的Bayes估计

本文采用Bayes方法从有逆gamma先验信息出发,得到了非张性模型中方差和协方差分量的估计,本文中的方差和协方差分量包含相关系数,而其他学者提出的线性模型中方差和协方差分量的Bayes估计只是本文的特殊情况.     

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.     

响应变量缺失下变系数部分线性测量误差模型的约束估计

当响应变量缺失、协变量具有测量误差,且模型参数部分有附加的线性约束时,主要研究一类变系数部分线性模型的统计推断问题.利用借补技术来补全缺失数据,并借助修正的profile最小二乘估计得到了模型参数分量和非参数分量的借补约束估计,并证明了参数分量的估计满足渐近正态性,同时非参数分量的估计与通常的非参数回归函数的估计具有相同的收敛速度.其次利用profile拉格朗日乘子检验对模型参数的约束条件进行检验,并证明了给出的检验统计量在原假设成立时渐近地服从标准卡方分布.数值模拟进一步表明对缺失数据进行借补可以有效地提高参数估计和假设检验的效率.