含附加信息时条件分位数的估计及其渐近性质

本文利用经验似然方法给出了含附加信息时条件分位数的一类新估计,在一定的正则条件下证明了估计的渐近正态性且渐近方差小于或等于通常的条件分位数核估计的渐近方差．     

φ-混合样本下含附加信息时条件分位数估计的渐近性质

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计，并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差。     

-混合样本下含附加信息时条件分位数估计的渐近性质(英文)

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计,并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差.     

ψ-混合样本下含附加信息时条件分位数估计的渐近性质

本文利用经验似然方法构造了含附加信息时条件分位数的一类估计,并证明了估计的渐近正态性且渐近方差不大于通常核估计的渐近方差.     

强混合样本且含附加信息情形M估计和分位数估计的渐近性质（英文）

在强混合样本且含附加信息情形,本文采用经验似然方法提出了一类新的M估计和新的分位数估计.结果表明,本文提出的M估计和分位数估计具有相合性和渐近正态性,且其渐近方差比一般M估计和分位数估计的渐近方差小.     

强混合样本情形含附加信息时总体分位数的估计

在强混合样本下,利用分组经验似然方法构造了总体分位数的一类新的估计,证明了估计的渐近正态性,同时证明了含附加信息时估计的渐近方差小于或者等于不含附加信息时估计的渐近方差.     

回归模型的同方差检验

本文利用局部经验似然和WNW方法对条件分布函数和条件分位数进行估计,并利用条件分位数的方法对回归模型中的误差方差进行了同方差假设检验,获得了零假设下检验统计量的渐近分布为X2分布．模拟计算表明同方差假设检验的条件分位数方法具有较好的功效．     

相协样本下分位数的核估计在有限个点处的联合渐近分布（英文）

本文研究分位数的核估计在有限个不同点上的联合渐近分布.在相协样本下,构造分位数在有限个不同点上的核估计,并在适当的条件下证明所构造的估计的渐近正态性.最后还获得任意两个分位数差异的估计的渐近分布,推广现有文献中的相关结果.     

左截断右删失数据分位差估计及其渐近性质

我们研究了左截断右删失数据分位差,基于左截断右删失数据乘积限构造了分位差的经验估计,同时克服经验估计的非光滑性,提出了分位数差的核光滑估计.利用经验过程理论推导出这两个估计的渐近偏差和渐近方差,并且在左截断右删失数据下研究了这两个分位差的大样本性质,获得分位差估计的相合性和渐近正态性.同时给出计算模拟以验证光滑分位差估计的表现,在均方损失的意义下模拟结果表明光滑估计比经验估计具有更好的性质.     

左删失右截断数据的分位数的固定宽度序贯置信区间估计

基于左截断右删失数据下的乘积限估计构造了分位数固定宽度序贯置信区间及其估计，研究了序贯置信区间估计的渐近性质。作为副产品，获得了分位数估计近邻点的Bahadur表示定理。这个表示定理是推导分位数固定宽度序贯置信区间估计渐近性质的重要基础。同时，在文中，进行了一些计算机模拟试验，证明了左截断右删失数据下分位数估计的序贯方法是效的和精确的。     

左截断数据下非参数回归模型的复合分位数回归估计

利用局部多项式方法研究了误差具有异方差结构的非参数回归模型,在左截断数据下构造了回归函数的复合分位数回归估计,并得到了该估计的渐近正态性结果,最后通过模拟,在服从一些非正态分布的误差下,得到该估计比局部线性估计更有效.     

分位数置信区间的估计方法分析

构造了基于分位数两种估计量的渐近置信区间,并找到分位数基于样本次序统计量的渐近置信区间.同时,建立了基于分布函数核估计定义的分位数估计量的渐近正态性,并使用经验似然方法构造出分位数的两种渐近置信区间.在模拟分析中,基于置信区间的平均长度和覆盖率,分析构造分位数的五种渐近置信区间的有限样本表现.     

方差可能无穷的“中度偏离”单位根过程的复合分位数估计

考虑一类"中度偏离"单位根过程,y_t=q_ny_t-1+u_t,其中qn=1+c/(k_n),k_n=o(n),c为一非零常数,{u_t}为随机扰动项序列.在允许扰动项方差无穷的条件下,构造q_n的复合分位数估计,并得到了该估计的渐近分布.最后通过数值模拟,在扰动项服从t(2)分布下,说明了该估计的稳健和有效性.     

随机缺失数据下样本分位数估计

分位数的估计在生物医学、社会经济调查等领域有着广泛的应用,然而在实际问题的研究中,往往由于各种人为或不可控因素造成数据收集不完全.本文在随机缺失(MAR)假设条件下,利用非参数核补法和局部多重插补法给出了响应变量缺失时样本分位数的估计,并利用经验过程等理论证明了由这两种方法得到的分位数估计的大样本性质,同时,使用重抽样方法给出了估计的渐近方差的估计,模拟结果验证了这两种方法的有效性.文章所提两种方法的优点在于:首先,所提出的缺失修正方法不需要对缺失概率的模型做任何假设;其次,方法亦适用于其他有关参数不可微的估计目标函数;最后,方法很容易地推广到一般M估计的情况,并可以对多个分位数同时进行估计.     

基于子样分位数和刀切法的统计推断

本文考虑对母体分位数之函数作统计推断的问题.子样分位数之函数的渐近分布为正态.使用刀切法,我们给出了渐近分布的方差与协方差的估计量并建立了它们的一致性.这些结果提供了一些在渐近意义下正确的统计推断方法.     

删失数据下回归函数的加权局部复合分位数 回归估计

在右删失数据下,研究了误差具有异方差结构的非参数回归模型,利用局部多项式方法构造了回归函数的加权局部复合分位数回归估计,并得到了该估计的渐近正态性结果,最后通过模拟,当误差为重尾分布时,该估计比局部多项式估计以及核估计表现得更好.     

右删失左截断情形下分布函数的分位数估计

文中考虑了右删失左截断数据情形下分布函数的分位数估计，讨论了该估计的渐近性质并获得了它的强弱Ｂａｈａｄｕｒ类型的表示定理。利用此Ｂａｈａｄｕｒ表示定理很容易获得该分位数估计的渐近正态性及置信区间等结果。     

右删失长度偏差数据分位数差的非参数估计

利用长度偏差数据所特有的辅助信息,对带右删失的长度偏差数据的分位数差提出了一种新的非参数估计.该方法提高了估计的有效性,所得的估计量形式简洁,便于计算.同时,本文用经验过程理论建立了该分位数差估计的相合性及渐近正态性,并给出方差估计的重抽样方法.本文还通过数值模拟考察了该估计量在有限样本下的表现,并将其应用到一个关于老年痴呆的实际数据中.     

φ-混合样本下有限个分位数估计的联合渐近分布

本文研究了φ-混合样本下总体的有限个分位数核估计的渐近性质.利用分块技术证明了φ-混合样本下总体的有限个分位数核估计的联合渐近分布为多元正态分布,推广了文献[16]的相关结果.     

部分线性单指标模型的复合分位数回归及变量选择

本文提出复合最小化平均分位数损失估计方法 (composite minimizing average check loss estimation,CMACLE)用于实现部分线性单指标模型(partial linear single-index models,PLSIM)的复合分位数回归(composite quantile regression,CQR).首先基于高维核函数构造参数部分的复合分位数回归意义下的相合估计,在此相合估计的基础上,通过采用指标核函数进一步得到参数和非参数函数的可达最优收敛速度的估计,并建立所得估计的渐近正态性,比较PLSIM的CQR估计和最小平均方差估计(MAVE)的相对渐近效率.进一步地,本文提出CQR框架下PLSIM的变量选择方法,证明所提变量选择方法的oracle性质.随机模拟和实例分析验证了所提方法在有限样本时的表现,证实了所提方法的优良性.