相依样本下污染线性模型的最近邻估计

考虑一般线性模型,设误差序列{ei}是平稳的α-混合序列,具有公共未知密度,f(x)．本文首先讨论了基于残差的f(x)的最近邻估计的相合性及收敛速度,然后把结论推广到污染线性模型,讨论了污染系数ε,误差的主体分布及回归系数β的估计的相合性,收敛速度以及(β|^)的渐近正态性．     

P^-混合样本线性模型M估计的强相合性

研究了P^-混合样本线性模型中的M估计，在较弱的矩条件下，获得了M估计是强相舍估计的充分条件．与相应结论比较，有了较大的实质性改进。     

混合样本线性模型M估计的强相合性

研究了混合样本线性模型中的M估计,在较弱的矩条件下,获得了M估计是强相合估计的充分条件.与相应结论比较,有了较大的实质性改进.     

一类线性errors—in—variables模型的参数强相合估计及其a.…

本文讨论了如下一类线性Ｅｅｒｒｏｒｓ－ｉｎ－ｖａｒｉａｂｌｅｓ模型－多元线性结构关系模型。     

相依样本下条件中位数L1模核估计的相合性

本文在样本序列为同分布的φ－混合的情形下，研究了条件中位数Ｌ１－模核估计的逐点强、弱相合性。     

弱相依误差线性回归模型M-估计的弱相合性

本文考虑线性回归模型yi=xTiβ+ei,i=1,2,…,n,其中ei是(ε,ψ)-弱相依随机误差.在较一般的条件下,我们得到了M-估计弱相合性的统一结果,该结果推广了线性回归模型M-估计的相应结论,包括所有时间序列相依误差,如:高斯序列、相协序列、Bernoulli漂移、Markov链、一些广泛使用的线性或非线性时间...     

关于线性模型回归系数LS估计的相合性

当误差项是不相关随机变量时[1]和[2]给出了线性模型中回归系数最小二乘估计弱相合性的充要条件。我们把这一结果推广到具有平稳随机误差项的线性模型。     

(ρ)混合样本线性模型M估计的强相合性

研究了(ρ)混合样本线性模型中的M估计,在较弱的矩条件下,获得了M估计是强相合估计的充分条件.与相应结论比较,有了较大的实质性改进.     

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．     

混合线性模型M估计的强相合性

研究了ρ~混合样本线性模型中回归参数M估计的强相合性, 在较弱的矩条件下, 获得了M估计是强相合的充分条件, 实质性地改进和推广了文［1］定理3.1.     

NA误差下部分线性模型的经验似然推断

对于部分线性模型yi=βxi+g(ti)+ei,1≤i≤n,这里(xi,ti)是固定设计点,g是未知函数,ei是负相协(NA)随机误差,给出了回归系数的经验似然比统计量,并讨论了似然比统计量的极限分布,可构造参数的经验似然置信区间.     

A Minmax Regret Linear Regression Model Under Uncertainty in the Dependent Variable

This paper analyzes the simple linear regression model corresponding to a sample affected by errors from a non-probabilistic viewpoint. We consider the simplest case where the errors just affect the dependent variable and there only exists one explanatory variable. Moreover, we assume the errors affecting each observation can be bounded. In this context the minmax regret criterion is used in order to obtain a regression line with nearly optimal goodness of fit for any true values of the dependent variable. Theoretical results as well as numerical methods are stated in order to solve the optimization problem under different residual cost functions.     

部分线性自回归模型中误差方差的核估计

基于非参数函数的核估计,构造了部分线性自回归模型中误差四阶矩的相合估计,从而给出了误差方差核估计的渐近正态性,并通过模拟算例和实例说明了其应用.     

G-M线性模型的一个估计类

本文主要讨论参数β的形如β~=AX’y的估计类：给出了β~线性可容性的充要条件；当误差正态时，其线性可容许子 类与Bayes估计类等价；k阶主要成分估计β~k^*的协方差阵在估计类Гk中具有T-min max性和A,Фi=max min性。     

相依样本下概率密度函数估计的渐近正态

设随机变量 X具有概率密度函数 f (x) ,X1,… ,Xn为 f (x)的样本 ,基于 X1,… ,Xn定义一类 f (x)的估计 fn(x) .本文在 X1,… ,Xn为 α——混合、ρ——混合样本时 ,得到了 fn(x)的渐近正态性     

线性混合模型参数的部分岭型谱分解估计

对于随机效应部分为一般平衡多项分类的线性模型, 将王松桂等\ucite{1}提出的一种称之为谱分解估计(SDE)的参数估计新方法推广到具有病态设计阵的线性模型, 提出了部分岭型谱分解估计, 通过类似于主成分估计的降维模型变换, 可以很方便的研究它的抗干扰性和其它重要性质.本文的结果可以很方便的应用于Panel模型.     

多元线性回归模型参数估计的递推算法及误差分析

讨论新增数据信息对多元线性回归模型的修正原理,给出不断加入新增数据信息的多元线性回归模型参数估计值的一种递推算法.利用影响因子的概念来刻画新增信息对预测误差的影响,并给出了算法和应用实例.     

非参数回归模型下长程依赖线性过程

考虑数据相互依赖时的非参数回归模型,在作出一定假设的条件下,给出超级光滑情形时长程依赖线性过程中的重要结论,并给予相应的证明.     

奇异线性模型参数估计的相对效率

提出了奇异线性模型中参数β的最佳线性无偏估计(BLUE)相对于最小二乘估计(LSE)的一种新的相对效率,并给出了该相对效率的下界,最后讨论了该相对效率与广义相关系数的关系.