多元失效时间数据的一般边际半参数危险率模型研究

在生物医学研究中,多元失效时间数据非常常见.该文提出用一般边际半参数危险率回归模型来分析多元失效时间数据.此模型包括了三种常用边际模型:边际比例风险模型、边际加速失效时间模型和边际加速危险模型作为子模型.对于模型中的回归系数,可以通过估计方程的方法来估计它,同时也给出了基准累积危险率函数的估计.得到的估计可以证明是相合的和渐近正态的.     

多维GARCH模型的半参数有效估计

多元GARCH模型的估计一般采用拟极大似然法(quasi maximum likehood),对于这种方法估计的相合性及渐近正态性已经被很多学者证实,然而对于新息列的分布不是多元正态时,这种估计的有效性还没人研究,本文从拟极大似然估计得到的参数相合估计入手,提出用非参数方法估计多元新息列的分布.     

因变量缺失下部分线性变系数变量含误差模型的估计

该文主要考虑部分线性变系数模型在自变量含有测量误差以及因变量存在缺失情形下的估计问题.基于Profile最小二乘技术,针对参数分量和非参数分量提出了多种估计方法.第一种估计方法只利用了完整观测数据,而第二种和第三种估计方法分别利用了插补技术和替代技术.参数分量的所有估计被证明是渐近正态的,非参数分量的所有估计被证明和一般非参数回归函数的估计具有相同的收敛速度.对于因变量的均值,构造了两类估计并证明了它们的渐近正态性.最后,通过数值模拟验证了所提方法.     

多元部分线性模型的B-样条估计(英文)

本文考虑多元部分线性回归模型的估计问题,得到了该模型参数的最小二乘估计和非参数函数的B-样条估计,并证明了参数估计的渐近正态性,给出了非参数函数估计的最优收敛速度.     

多元线性模型中均值矩阵的函数的所有可容许线性估计

对于多元正态线性模型Ｙｎ×ｍ￣Ｎ（Ｘ－，Σ×Ｖ），Ｖ≥０和Σ≥０已知，在三种不同的可容许性意义下，该文分别得到了ＳＸ－的线性估计ＬＹ＋Ｄ在一切估计类中可容许的充要条件。     

AR(p)模型中的变点分析

本文分别用极大似然法和Bayes方法研究了AR(p)模型中的变点问题.在数据矩阵不一定满秩的条件下,利用Moore-Penrose广义逆给出了模型参数的极大似然估计的统一表达式和变点位置的估计式.在假定自回归系数的先验分布服从多元正态,方差服从逆Γ分布的条件下,用Bayes方法给出了变点位置估计的显示表达式以及模型参数的Bayes估计.     

三参数正态双卵模型Gibbs抽样算法研究

项目反应理论作为一种现代的教育和心理测量方法,凭借其强大的优势和先进性,在实际测量中应用越来越广泛.能否有效地估计模型中的参数是项目反应模型得以应用的前提.本文基于数据扩充技术给出了一种适用于三参数正态双卵模型的Gibbs抽样算法,有效的实现三参数正态双卵模型的贝叶斯分析.最后,通过计算机模拟研究和实例分析对该算法的有效性进行了验证.     

缺失数据下EV模型的调整最小二乘估计

该文考虑协变量缺失时的多元线性EV模型参数的估计, 其中协变量的缺失机制是Rubin(1976)提出的随机缺失(MAR). 利用加权调整最小二乘方法给出参数估计, 证明了估计的相合性和渐近正态性. 数值模拟结果表明所给的估计性态良好.     

核分位数估计及其应用

分位数估计在不同领域有大量的运用,例如水利研究中百年一遇的洪水、金融分析中的VaR.不过在实际应用中大多使用的是基于正态假设下的分位数估计,使得该方法在应用时存在模型设定错误的风险.为此介绍了稳健统计中非参数分位数估计方法,并介绍了核密度估计的步骤;然后以此为基础给出了核分位数估计,同时还通过重复抽样的方法比较了三种分位数估计效果和积累了使用经验;最后给出了一个金融数据的实例,并对核分位数估计结果和常用的正态假设下的分位数结果进行了比较,结果显示核分位数估计结果更加稳健.文中最后给出使用该方法的一些建议.     

多元t分布的一致渐进正态性

讨论了多元t分布一致渐进正态性的条件,利用不等式法估计了二者之间的Kullback-Leibler距离,给出了Kullback-Leibler距离表达式,最后对多元t分布一致渐进正态性进行了模拟验证.     

缺失数据下线性EV模型的参数估计

给出EV模型下数据具有随机缺失时,模型参数的一种估计方法,并以一个简单模型为例给出了这种新估计的渐近正态性的具体结果.模拟研究表明,即使在有限样本情形,提出的方法在估计效率上也具有一定优势.     

正态-逆Wishart先验下多元线性模型中经验Bayes估计的优良性

在正态-逆Wishart先验下研究了多元线性模型中参数的经验Bayes估计及其优良性问题.当先验分布中含有未知参数时,构造了回归系数矩阵和误差方差矩阵的经验Bayes估计,并在Bayes均方误差(简称BMSE)准则和Bayes均方误差阵(简称BMSEM)准则下,证明了经验Bayes估计优于最小二乘估计.最后,进行了Monte Carlo模拟研究,进一步验证了理论结果.     

复发事件下一般半参数比率回归模型

收稿在复发事件数据下,研究了-个一般半参数比率回归模型中参数的估计问题,给出了该模型中未知参数和非参数函数的一种估计方法,并证明了这些估计的相合性和渐近正态性.     

半参数面板空间滞后模型的两阶段最小二乘估计及应用

发展了一种半参数面板空间滞后模型的两阶段最小二乘估计方法.证明了参数分量估计具有渐近正态性且收敛速度为n~(-1/2),非参数分量估计在内点处具有渐近正态性,其收敛速度达到了非参数函数估计的最优收敛速度.并将方法应用于外商直接投资对劳动收入份额的影响分析.     

多元测量误差模型的稳健GM-估计量

由于EV（Errores-in-Variables)模型（也称测量误差模型）的最大似然估计由正交回归给出，而正交回归对污染数据是敏感的，所以，需要采用稳健的统计方法来估计模型参数。本文在多元EV模型中引入稳健GM-估计量，把一元正态EV模型的若干结果推广到多元情形，所得的稳健性结果不仅更具一般性，而且还修正了文献中对一元情形给出的一个错误结果。     

变系数模型的小波估计

变系数模型是近年来文献中经常出现的一种统计模型.本文主要研究了变系数模型的估计问题,提出运用小波的方法估计变系数模型中的系数函数,小波估计的优点是避免了象核估计、光滑样条等传统的变系数模型估计方法对系数函数光滑性的一些严格限制. 并且,我们还得到了小波估计的收敛速度和渐近正态性.模拟研究表明变系数模型的小波估计有很好的估计效果.     

均值矩阵的函数的所有可容许估计

对于多元正态线性模型Ｙｎｘｍ～Ｎ（Ｘθ,σ２∑Ｖ）,在四种不同的可容许意义下,本文研究了ＳＸθ的线性估计ＬＹ＋Ｄ在一切估计类中的可容许性在适当条件下得到了充要条件,在一般情况给出了充分条件和必要条件．     

强相依数据的函数系数部分线性模型的估计

本文讨论在数据是强相依的情况下函数系数部分线性模型的估计．首先,采用局部线性方法,给出该模型函数项函数的估计;然后,使用两阶段方法给出系数函数的估计．并且讨论了函数项函数估计的渐近正态性,以及系数函数估计的弱相合性和渐近正态性.模拟研究显示,这些估计是较为理想的．     

网络结构数据空间回归模型的平均估计

采用空间误差模型对数据的网络结构关系进行刻画,考虑了空间误差模型的S-AIC和S-BIC模型平均估计方法,证明了S-AIC和S-BIC估计的相合性和渐近正态性.通过蒙特卡洛模拟试验,研究了所提估计的有限样本性质,模拟结果显示,S-AIC和S-BIC模型平均估计表现优于AIC和BIC模型选择估计.利用文章所提方法,对QQ用户数据进行实证分析,说明了所提方法在实际问题中的应用价值.     

基于Copula贝叶斯估计的行业风险差异分析

通过对常替代弹性资本资产定价模型中投资标度问题的分析,提出了Copula贝叶斯估计方法用以获得系统风险β与投资标度比λ的联合后验分布.Copula贝叶斯估计方法针对数据非正态特征及强相关性特征而构建,采用Copula函数取代原有普通贝叶斯估计方法中的正态假设.传统贝叶斯估计方法假设了正态的似然函数,忽略了数据可能存在尖峰后尾等在金融实证数据分析中普遍存在的非正态情况.Copula贝叶斯估计算法采用半相依回归法处理数据的强相关性问题,将原有函数依照数据形式假设为非正态结构.针对来自6个工业产业24组公司数据的系统风险参数β与其对应的投资标度参数比λ进行估计,获得不同行业中系统风险参数与投资标度之间的动态关系并进行分析,为业界投资及相关研究提供有效参考建议.