线性模型中参数向量的线性经验Bayes估计

本文利用线性经验Ｂａｙｅｓ估计的思想，对线性回归模型中未知参数向量构造了一类线性经验Ｂａｙｅｓ估计，并在一定条件下证明了其具有的ａ．ｏ．收敛速度．     

m维AR(p)模型的统计诊断

统计诊断就是探查对统计推断（如估计或预测等）有较大影响的数据从而对全过程数据进行诊断．本文应用基于数据删除模型得到二维AR（1）模型的参数估计诊断公式,给出了Cook统计量的计算公式,进而推广到m维AR（p）模型的情形．     

具有测量误差的非线性模型的Bayes估计

测量中大量的函数模型都是非线性回归模型．当回归变量含有一定的测量误差时，我们得到非线性测量误差模型．本讨论了这种模型中未知参数具有正态先验分布时的参数Bayes估计方法，并对这种估计进行了影响分析，证明了删除模型与均值漂移模型中参数的Bayes估计相同，利用Cook统计量给出了删除模型下参数的Bayes估计的影响度量．     

误差为FCA过程的线性模型HD估计的渐近正态性

考虑线性回归模型y=x^Tβ+e₁其中误差e是函数系数自回归（FCA）过程.本文研究该模型未知参数的Huber-Dutter估计的渐近性质,在合理的条件下,证明了这些估计量以n^-（1/2）速度渐近于正态分布.     

分块半相依线性回归模型的参数估计

考虑一般的分块半相依线性回归（SUR）模型及其相应的简约模型，给出简约模型下未知回归系数及其可估函数的协方差改进估计仍是分块SUR模型下相应参数的协方差改进估计的一个充要条件．     

非参数回归估计中CV和GCV准则的渐近最优性

设非参数回归模型ｙｉ＝ｆ（ｘｉ）＋εｉ，ｉ＝１，．．．，ｎ，ｆ（ｘ）是〔０，１〕上的未知的非参数回归函数，ｆ（ｘ）的核估计具有一个光滑参数ｈ分别利用ＣＶ和ＧＣＶ准则来选择参数ｈ，得到ｆ（ｘ）的核估计及相应的Ｓｔｅｉｎ估计，本文证明了这类估计在强收敛意义下是渐近最优的。     

广义线性模型中检验回归参数统计量的渐近分布

在广义线性模型中,若(对某个α>0),且其它一些正则条件满足,可以证明Wald检验统计量的渐近分布是X2分布,其中,是ZiZi'的最小特征根,Zi是有界的p×q回归系数,yi是q×1响应变量．     

半参数回归模型中误差方差估计之分布的非一致性收敛速度

Engle等人将气候条件对电力需求关系归结成半参数回归模型其中{e_j,1≤j≤n}是iid.的随机误差,均值为0,方差σ~2>0,{(X_j;T_j),1≤j≤n}是R~p×[0,1]上的随机设计点列且与{e_j,1≤j≤n}相互独立,{T_j,1≤j≤n}iid.,β是p维未知回归参数,g(t)是定义在[0,1]上的未知回归函数。     

复发事件下加性乘积比率回归模型

本文基于复发事件数据,研究了半参数加性乘积比率回归模型的统计问题,利用估计方程的思想,给出了该模型中未知参数和非参数函数的一种估计方法,同时证明了所提出估计的相合性和渐近正态性．     

非线性EV回归模型中参数的经验似然置信域

本文考虑非线性EV回归模型，构造了未知参数的经验对数似然比统计量．此外，为了克服计算困难，提出了一个基于模拟的经验对数似然比统计量．在适当条件下，证明了所提出的这两种统计量都具有渐近X^2分布，所得结果可以用来构造未知参数的置信域。     

非概率样本的模型推断

非概率抽样在大数据时代有广阔的应用空间,但其统计推断问题仍有待研究和发展.针对这一问题,提出利用基于模型的推断方法结合配额抽样实现非概率样本的统计推断,其思路是先设定线性回归形式的超总体模型,再利用配额样本观测数据拟合模型估计未知参数,进而利用模型对非观测单元进行预测,案例分析结果显示基于超总体模型的推断方法是解决非概率样本统计推断的有力途径,具有较大的深入研究价值.     

一类线性模型中参数的经验Bayes检验问题

本文对一类线性模型构造了其参数的经验Bayes（EB）检验函数．在适当的条件下证明了所提出的EB检验函数是渐近最优的,其收敛速度可任意接近O（n-1/2）．最后讨论了EB检验问题在线性回归模型、方差分析模型和协方差分析模型中的应用。     

部分线性单指标模型参数部分的统计推断

考虑部分线性单指标模型参数部分的统计推断问题.主要研究利用剖面最小二乘法（profile least-squares technique）估计模型的未知参数和函数,并利用该估计建立模型中参数部分的广义似然比（generalized likelihood ratio,GLR）检验统计量.在原假设条件下,文中新提出的GLR检验统计量渐近服从具有尺度常数（scaleconstant）与自由度独立于讨厌参数（nuisance parameters）的χ^2-分布,这一现象被称为Wilks现象.最后给出数字模拟与实际例子,验证文中所提出的检验方法.     

部分线性函数多项式模型的联合探测北大核心CSCD

本文提出了一个新的部分线性函数多项式回归模型,该模型中响应变量依赖于一个p阶函数多项式和一些非函数型数据的协变量．函数多项式模型、函数线性模型和部分函数线性模型是该模型的特殊情形．本文提出了一个模型探测方法,它能同时探测部分线性函数多项式回归模型中哪些阶是重要的以及哪些非函数型变量是重要的．提出的方法能相合地识别真实的模型并有好的预测表现．数值模拟能清晰地证实我们的理论结果．     

线性回归系统回归系数的一种新估计

对由m个相依线性回归方程组成的线性回归系统,本文把模型蕴含的信息分为样本信息和附加信息,提出了利用逐次迭加附加信息导出未知参数估计的一种新方法。具体地,解决了如下三个问题:(1)给出了概括附加信息的统计量;(2)找到了把附加信息迭加到样本信息的方法;(3)证明了用这种方法所导出的新估计的一些重要统计性质。     

部分线性回归模型的M-估计

本文讨论部分线性回归模型的M-估计．用局部线性方法给出未知函数的M-估计，用两步估计方法给出参数的M-估计．进一步证明了未知函数的M-估计的弱一致性和渐近正态性，参数的M-估计的弱一致性．     

半参数回归模型的二阶段估计

考虑回归模型，ｇ为Ｒ１上未知函数，β为ｐ×１维待估参数向量．本文基于模型的可加性得到了β和ｇ的估计量，证明了它们具有很好的大样本性质．     

两样本分位数差异的半经验似然比检验

设x1，…，xn；y1，…，ym为独立随机样本，x1，…，xn同分布，x1～F（x），F未知，y1，…；ym同分布，y1～Gθ（y），Gθ（y）的形式已知，θ为未知参数．本文结合非参数似然思想和参数似然方法讨论F和Gθ的分位数差异的检验问题，在一定的条件下得到了半经验似然比统计量的渐近分布．     

一般增长曲线模型回归系数线性估计的可容许性

一般增长曲线模型回归系数线性估计的可容许性孙六全（华中师范大学数学系，武汉４３００７０）§１引言本文考虑一般的增长曲线模型其中Ｙ，ε为ｍ×ｎ阶随机矩阵，Ａｍ×ｐ，Ｂｋ×ｎ为已知的常数矩阵，矩阵及σ２＞０是未知参数，ｍ×ｍ阶矩阵已知，ε表示ε按列拉直。...     

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．