相依MA(∞)误差下半参数模型小波估计的收敛速度(英文)

考虑半参数回归模型yi=xiβ+g(ti)+Vi(1≤i≤n), 其中(xi,ti)是已知的设计点, 斜率参数β是未知的, g(·)是未知函数, 误差Vi=sum from j=-∞ to ∞(cjei-j),sum from j=-∞ to ∞(|cj|∞)并且ei是负相关的随机变量. 在适当的条件下, 我们研究了β与g(·)小波估计量的强收敛速度. 结果显示g(·)的小波估计量达到最优收敛速度. 同时, 对β小波估计量也作了模拟研究.     

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.     

NA序列半参数回归模型小波估计的强相合性

对于半参数回归模型yi=xiβ+g(ti)+ei,i=1,2,…,n,对误差{ei,1≤i≤n}为NA序列,在适当的条件下研究了未知参数β的小波估计的强相合,同时也得到了未知函数g(t)的小波估计的一致强相合.     

PA误差下半参数回归模型小波估计的γ-阶矩相合性

对于半参数回归模型yi=xiβ+g(ti)+ei,(1≤i≤n),其中{ei,1≤i≤n}为PA相依误差.在适当的条件下,利用极大部分和的矩不等式方法得到未知回归函数g(x)和未知参数β估计量的r-阶矩相合性.     

α-混合误差的部分线性EV模型的弱相合性

运用小波估计和修正最小二乘法研究了误差为α-混合的部分线性EV模型,给出了参数和非参数部分的小波估计量,得到了小波估计量的弱相合性,推广了现有的一些相应结论.     

误差为NA序列的半参数回归模型估计的r阶矩相合性

对于半参数回归模型 yi=xiβ+g( ti) +ei,i=1 ,2 ,… ,n,本文综合最小二乘法和一般加权方法 ,定义了 β,g( t)的估计量 βn,gn( t) .在误差为 NA序列时 ,得到了 βn,gn( t)的 r ( r≥ 2 )阶矩相合性 .     

半参数回归模型小波估计的矩相合性

用小波方法,考虑半参数回归模型y_i=X_i~Tβ+g(t_i)+ε_i(1≤i≤n),其中β∈R~d为未知参数,g(t)为[0,1]上未知的Borel可测函数,X_i为R~d上的随机设计,随机误差{ε_i}为鞅差序列,{t_i}为[0,1]上的常数序列.得到参数及非参数的小波估计量的q-阶矩相合性.     

鞅差时间序列半参数回归模型的小波估计

用小波方法研究了误差为滑动平均鞅差序列的半参数回归模型,得到了小波估计量的矩收敛速度及强收敛性.     

NA样本固定设计下半参数回归模型中估计的强相合性

对于半参数回归模型yi=xiβ g(ti) ei，i=1，2,…，n(xi，ti)为已知的固定设计点列．本在误差{e．1≤n≤n)为NA序列时，对g(t)和σ的估计量gn~(t)和σn^2的逐点强相合。以及gn~(t)的一致强相合作了研究，得到比较理想的结果。     

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．     

����MA($\infty$)����°����ģ��С�����Ƶ������ٶ�

考虑半参数回归模型$y_i=x_i\beta+g(t_i)+V_i$ $(1\le i\len)$, 其中$(x_i,t_i)$是已知的设计点, 斜率参数$\beta$是未知的,$g(\cdot)$是未知函数, 误差$V_i=\tsm^\infty_{j=-\infty}c_je_{i-j}$,$\tsm^\infty_{j=-\infty}|c_j|<\infty$并且$e_i$是负相关的随机变量.在适当的条件下, 我们研究了$\beta$与$g(\cdot)$小波估计量的强收敛速度.结果显示$g(\cdot)$的小波估计量达到最优收敛速度. 同时,对$\beta$小波估计量也作了模拟研究.     

误差为NA序列的半参数回归模型估计的r阶矩相合性

对于半参数回归模型y1=xiβ＋g(ti) ei,i=1,2,…,n,本综合最小二乘法和一般加权方法,定义了β,g(t)的估计量βn,gn(t),在误差为NA序列进,得到了βn,gn(t)的r(r≥2)阶矩相合性。     

固定设计下半参数回归模型参数估计的收敛速度

考虑固定设计下的半参数回归模型：yi=xiβ＋g（ti）＋ei，i=1，…，n．其中{ei}为随机误差，且Ee1=0，Ee12=σ2＞0，对利用通常采用的非参数权函数法结合最小二乘法得到的参数β和σ2的估计量和，本文在适当条件下得到了和的精确的收敛速度-重对数律．     

α-混合误差异方差部分线性EV模型的小波估计的Berry-Esseen界（英文）

本文使用小波估计和最小二乘的方法研究误差为α-混合异方差的部分线性EV模型,给出了参数和非参数部分的小波估计.在一般的条件下得到了小波估计量的Berry-Esseen界.     

误差为鞅差序列的半参数回归模型参数估计的收敛速度

研究误差为鞅差序列的半参数回归模型参数估计的收敛速度.利用非参数分段多项式估计和最小二乘法进行讨论.考虑固定设计下的半参数回归模型:yi=xiβ g(ti) ei,i=1,2,…,n,{ei}是随机误差,且{ei,Fi,i≥1}为平稳遍历的平方可积鞅差序列,Fi,i≥1为单调不减的σ代数流,且Ee21=σ20,E(e2i|Fi)≤1,对利用通常采用的非参数权函数法结合最小二乘法得到的参数β和σ2的估计量βn和σ2n,在适当的条件下得到了βn和σ2n的精确的收敛速度.重对数律.     

α-混合的部分线性EV模型的矩收敛性

本文研究误差为α-混合的部分线性EV模型的矩收敛性问题.利用小波估计和修正最小二乘法,给出了参数和非参数部分的小波估计量,获得了小波估计量的矩收敛速度,推广了现有的一些结论.     

误差为MA(∞)序列的半参数回归模型小波估计的渐近正态性

用小波估计研究误差为MA(∞)序列的半参数回归模型,在比较弱的条件下得到了自协方差函数及自相关函数估计量的渐近正态性,并且用小波估计法建立了英国烈酒消费模型,说明了该法的有效性.     

非参数回归模型均值与方差双重变点的估计

本文基于核估计和小波方法研究异方差非参数回归模型中均值函数和方差函数均存在变点的估计问题.首先,构造基于均值函数的核估计量,求出均值变点位置及跳跃度的估计.其次,利用小波方法构造方差变点的估计量,运用该估计量获得方差变点位置与跳跃度的估计,给出变点估计量的渐近性质.最后数值模拟并通过比较验证了方法的有效性.     

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。     

误差为鞅差序列的部分线性模型中估计的渐近正态性

考虑回归模型yi=xiβ g(ti) ei,i=1,2,…,n,其中(xi,ti)是固定非随机设计点列,g(.)是未知函数,β是待估参数,ei是随机误差且关于非降σ-代数列{Fi,i≥1}为鞅差序列,且满足E(e2n|Fn-1)-σ2=op(1),n→∞,其中0<2σ<∞为未知常数,本文基于g(.)的一类非参数估计的β的最小二乘估计■和2σ的估计量■,在适当条件下证明了其具有渐近正态性,从而推广了[1]在ei为iid情形下的结果.