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σ２ｉ＝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，ｅｉ是随机误差．对文［１］给出的基于ｇ（·）及ｆ（·）的一类非参数估计的β的最小二乘估计＾βｎ和加权最小二乘估计βｎ，我们在适当条件下证明了它们的强相合性．  

回归函数改良核估计的相合性

一、引言及若干引理设(X_1,Y_1),…,(X_n,Y_n)为(X,Y)的前 n 个样本,(X,Y)为 R~d×R 上的随机向量,μ为 X 的概率分布,回归函数 m(x)=E(Y|X=x)的核估计为  

强大数定律的若干新结果

本文利用Hajek-Renyi型最大值不等式,获得了随机变量和的强大数定律和 收敛速度.作为应用,给出了某些相依随机变量和新的强大数定律.  

误差为线性过程时回归模型的估计问题

对一类非线性回归模型及线性模型，在误差是一个弱平稳线性过程及适当的条件下，获得了估计量的r-阶平均相合性、完全相合性和渐近正态性。  

完全与截尾样本时回归函数的核估计

本文得到了完全与截尾样本时回归函数核估计的强相合性．接着，构造了截尾样本的改良核估计，在Ｅ｜Ｙ｜＜∞下，得到了其强相合性．  

固定设计下半参数回归模型估计的强相合性

对于半参数模型ｙｉ（Ｔ）＝βｘｉ（Ｔ）＋ｇ（ｔｉ（Ｔ））＋εｉ（Ｔ），本文综合最小二乘和一般的非参数估计方法，定义了β，ｇ的估计量βＴ，ｇＴ，在适当条件下证明了它们的强相合性，  

弱误差结构下非参数,半参数回归模型

在弱误差结构下，该文获得了一类非参数模型回归函数估计量的强一致相合性，进而获得了一类半参数模型的参数分量估计的强相合性．  

非参数回归函数估计的渐近正态性

本文研究了独立或相依样本时非参数回归函数的Ｎａｄａｒａｙａ-Ｗａｔｓｏｎ估计，在简洁合理的条件下，证明了估计量的渐近正态性．获得的结论可在时间序列分析中得到应用．  

二阶矩限制下的Hajek-Renyi型不等式及其应用

在二阶矩限制下,获得了Hajek-Renyi型不等式,并给出了结果在PA,NA,Lr-混合序列场合下的应用.推广了Prakasa Rao关于PA序列的结果.  

分布自由的回归函数核估计的相合性

在合适条件下，我们获得了基于完全和截尾数据回归函数核估计的逐步相合性，所获的结果对于所有Ｘ的分布μ均成立，因此是分布自由的。