相依误差广义线性模型的M估计的Bahadur表示

考虑如下广义线性模型y_i=h(x~T_i,β)+e_i=1,2,…,n,其中e_i=G(…,ε_(i-1),ε_i),h是一个连续可导函数,ε_i是独立同分布的随机变量,并且它的期望为0,方差σ~2有限.本文给出了参数β的M估计,并且得到了该估计的Bahadur表示,该结论推广了线性模型的相关结论.应用M估计的Bahadur表示,得到了相依误差的线性回归模型,poisson模型,logistic模型和独立误差的广义线性模型等模型的渐近性质.     

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.     

半参数回归模型小波估计的弱收敛速度

本文研究了误差为鞅差序列情形下的半参数回归模型.利用小波方法,在相当一般的条件下,得到了参数、非参数估计量的弱收敛速度.     

常数红利边界下的一类马氏风险模型

本文研究了常数红利边界下一类马氏风险模型的红利派发矩,破产前所有红利的分布等相关问题.利用更新方法,给出了该模型破产前红利折现的期望满足的微分-积分方程,得到破产前所有红利的分布.通过构造特殊的初始条件,得到了相关的方程组解,推广了文献[3]的结果.     

NSD序列加权和的中心极限定理及其在EV回归模型中的应用

基于负超可加相依(简称为NSD)随机序列的性质及其一些不等式,利用随机变量的截断方法建立了NSD随机序列加权和的中心极限定理,从而推广了负相协NA随机序列的相应结论.并将其应用到变系数EV回归模型,得到了未知参数LS估计的渐近正态性.     

关于无偏估计的若干问题

通过理论分析和实例讨论有关无偏估计的若干问题：无偏估计不一定存在；无偏估计一般不唯一；在均方误差意义下，无偏估计不一定优于有偏估计；均方误差最小的估计是最小方差无偏估计，但反之不然。     

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.     

半参数回归模型的两步估计——差分法和样条函数法

本文考虑半参数回归模型yi =XTiβ g(ti) ei(i =1 ,2 ,… ,n) .先利用差分的方法估计 ^β ,接着用样条函数的方法定义 ^g(T) ,最后讨论 ^g(t)的性质 .     

关于线性回归的若干补充

线性回归分析在传统的数理统计教材中，编写的科学性和体系等许多方面尽管非常好，但也存在知识单调、材料陈旧、不能反映现代的前沿等问题。在教学中应补充介绍前沿的应用背景，全面地介绍回归模型，将法则循序渐进地推广，并运用多媒体教学演示回归的实例。     

Ψ-混合异方差误差下半参数回归模型的加权小波估计

考虑半参数回归模型yi=xiβ+g(ti)+σiei, i=1,2,…,n,其中(zi,ti,ui)是固定设计点列,ei为Ψ-混合随机误差.用小波估计方法得到了参数,非参数及误差方差的加权小波估计量.在相当一般的条件下,得到了这些小波估计量的渐近正态性及弱收敛速度.