广义线性模型中拟极大似然估计的强相合性及收敛速度

在广义线性模型(GLM)因变量有正确表述的假定及其他一些光滑性条件之下, 证明以概率1当样本量n充分大时, 广义线性模型的拟似然方程有一解, 且可求出该解收敛于真值的速度, 在一个重要的特例中, 该速度同于独立同分布随机变量序列部分和的重对数律所确定的速度, 故而不能改进.     

广义线性模型中极大拟似然估计的强相合性

假定在一个具有一般联系函数的广义线性模型中, q×1响应变量y_i是可观测的, p×q协变量Z_i是固定设计的, 以记的最小特征根. 在(对某个α>0), sup_i≥1E||y_i||r <∞(对某个r>1/α)和其他正则条件下, 证明了以概率为1, 当n充分大时, 未知回归参数向量的拟似然方程有一个解, 它收敛于参数真值. 这一结果是对文献中的相应结果的实质性改进.     

广义线性回归拟似然估计的强相合性

本文研究了广义线性模型y=μ(x'β0)+e中形如∑xi(yi-μ(xiβ))=0的拟似然方程,在一定的条件下证明了当n充分大时此方程以概率1有解βn,得到了βn的强相合性和收敛速度.     

广义线性回归拟似然估计的强相合性

本文研究了广义线性模型g=μ(x'β0)+e中形如的拟似然方程,在一定的条件下证明了当n充分大时此方程以概率1有解βn,得到了βn的强相合性和收敛速度.     

多维广义线性模型拟极大似然估计的弱相合性

本文考虑多维广义线性模型的拟似然方程$\tsm^n_{i=1}X_i(y_i-\mu(X_i'\xb))=0$, 在一定条件下证明了此方程的解$\wh\xb_n$渐近存在, 并得到了其收敛速度, 即$\wh\xb_n-\xb_0=O_p({\underline{\xl}}_n^{-1/2})$, 其中$\xb_0$为参数$\xb$的真值, $\underline{\xl}_n$是方阵$S_n=\tsm^n_{i=1}X_iX_i'$的最小特征值。     

广义线性回归极大似然估计的强相合性

设有该文第1节所描述的广义线性回归模型,以$\underline{\lambda}_n$和$\overline{\lambda}_n$分别记$\sum\limits_{i=1}^{n}Z_iZ_i^{\prime}$的最小和最大特征根,$\hat{\beta}_n$记$\beta_0$的极大似然估计.在文献[1]中,当\{$Z_i,i\ge1$\}有界时得到$\hat{\beta}_n$强相合的充分条件,在自然联系和非自然联系下分别为$\underline{\lambda}_n\rightarrow\infty$, $(\overline{\lambda}_n)^{1/2+\delta}=O(\underline{\lambda}_n)$（对某$\delta>0$)以及$\underline{\lambda}_n\rightarrow\infty$, $\overline{\lambda}_n=O(\underline{\lambda}_n)$.作者将后一结果改进为只要求$(\overline{\lambda}_n)^{1/2+\delta}=O(\underline{\lambda}_n)$,从而与自然联系情况下的条件达到一致.     

部分线性模型参数极大似然估计的收敛速度

针对部分线性模型, 在其随机误差的分布函数属于刻度族, 刻度参数未知, 并且响应变量的观测值为区间删失数据的情形下, 讨论了其Sieve极大似然估计的强相合性和弱收敛速度.     

关于广义线性模型拟似然估计弱相合性的几个问题

基于响应变量一维时广义线性模型$\E(\,y\,|X)= \mu(X’\beta)$的拟似然方程$\sum_{i=1}^n X_i(y_i-\mu(X_i’\beta))=0$, 研究了其拟似然估计的弱相合性及其他性质. 在误差$\{e_i=Y_i-\mu(X_i’\beta_0),1\leqslant i\leqslant n\}$不相关及其他条件下, 证明了 $\hat{\beta}_n-\beta_0=O_p(\underline{\lambda}_n^{-1/2})$, 其中 $\hat{\beta}_n$为上述拟似然方程的一个解, β₀ 为参数 β的真值, $\underline{\lambda}_n$ 为矩阵$S_n=\sum_{i=1}^nX_iX_i’$的最小特征值. 进一步, 在误差独立且不含渐近退化子列及其他条件下, 证明了上述收敛速度是确切的. 此外, 平行于Drygas (1976)关于线性回归模型的一个经典结果, 证明了对于广义线性模型, 为保证拟似然估计的弱相合性的必要条件 是当$n\to\infty$时, $\,S_n^{-1}\to 0$.     

广义线性模型中极大拟似然估计的渐近正态性与强相合性

在广义线性模型中,当λn→∞,supi≥1 E||ei||2+α<∞(对某个α>0), 且其他一些正则条件满足时,证明了极大拟似然估计(MQLE)是渐近正态的;进 一步假定 ,证明了MQLE是强相合的,其中λn(λn) 是∑i=1 nZiZiT的最小(最大)特征根,Zi是有界的p×q回归系数,ei=yi-Eyi,yi 是q×1响应变量．也讨论了设计阵Zi是自适应的情形．     

广义线性模型参数的自适应拟似然估计

对广义线性模型参数的一种拟似然估计的理论给予了彻底的处理. 在该估计中,响应变量的未知的协方差阵是通过样本去估计的.证明了所定义的估计量具有下述意义上的渐近有效性：当样本量n→∞时, 该估计有渐近正态性,且其极限分布的协方差阵重合于当响应变量的协方差阵完全已知时,拟似然估计的极限分布的协方差阵.     

拟似然非线性模型中最大拟似然估计的强相合性

This paper proposes some regularity conditions. On the basis of the proposed regularity conditions, we show the strong consistency of maximum quasi-likelihood estimation （MQLE） in quasi-likelihood nonlinear models （QLNM）. Our results may be regarded as a further generalization of the relevant results in Ref. [4].     

带自适应设计的拟似然非线性模型中极大拟似然估计的强相合性

在带自适应设计的拟似然非线性模型中,在响应变量的矩条件尽可能弱和其它正则条件下,证明了以概率为1,当n充分大时,拟似然方程有一个解βn,它收敛于参数真值β0.     

NOD序列加权和的强收敛速度

该文研究了NOD序列加权和的强收敛速度, 获得了一些新的完全收敛性的结果. 该文的结果推广了陈瑞林$^{[1]}$在NA情形时的结果,部分推广了Stout$^{[2]}$在独立同分布情形时的结果.     

线性模型参数M估计的强相合性

研究了线性模型中回归参数 M估计的强相合性 ,在 dn=o( 1 / logn)情形下 ,给出了较弱的充分条件 .与 [1 ]中相应结论比较 ,我们将有界性条件改善为矩母函数存在性条件 ,因此作了实质性的改进     

Asymptotic Properties of the Maximum Likelihood Estimate in Generalized Linear Models with Stochastic Regressors

For generalized linear models （GLM）, in case the regressors are stochastic and have different distributions, the asymptotic properties of the maximum likelihood estimate （MLE） β^n of the parameters are studied. Under reasonable conditions, we prove the weak, strong consistency and asymptotic normality of β^n     

递推M-估计的强收敛性

本文对u1(t)为单调递增这一比较常见的情形和在其它一些比较常见的条件 下,证明了M-估计递推算法中回归系数和散布矩阵的强相合性.     

部分线性模型中估计的收敛速度

考虑回归模型（Ⅰ）：其中（ｘ＿ｉ，ｔ＿ｉ）是固定非随机设计点列，ｘ＿ｉ＝（ｘ＿（ｉｌ），…，ｘ＿（ｉｐ））＇β＝（β＿１，…，β＿ｐ）＇（ｐ＞１），ｇ是定义在［０，１］上的未知函数，β是未知待估参数，０＜ｔ＿ｉ＜１，ｅ＿ｉ是ｉ．ｉ．ｄ．随机误差，且Ｅｅ＿ｉ＝０，Ｅｅ＝σ￣２＜∞。基于ｇ的估计取一类非参数权估计（包括常见的核估计和近邻估计），我们讨论了β的最小二乘估计及ｇ的估计的最优强弱收敛速度。     

竞争风险场合PL型估计的强一致收敛性

本文构造了竞争风险场合分布函数的乘积极限（PL）型估计，运用经验过程的强逼近理论及Toylor展开方法，给出了PL型估计在全直线上的强一致收敛速度及其充分必要条件。     

不完全信息随机截尾广义线性模型的极大似然估计

该文在回归子给定和随机两种情形下,分别定义了不完全信息随机截尾广义线性模型.在一定的条件下,讨论了这两种模型参数向量的似然方程解的存在性和唯一性,获得并证明了这两种模型的极大似然估计(MLE)的相合性与渐近正态性.