变系数模型变窗宽和一步局部M-估计

用变窗宽和一步局部M-估计对变系数模型的系数参数进行估计,得到了估计的渐近正态性.     

半变系数模型的变窗宽和一步局部M-估计

讨论了半变系数模型的变窗宽一步局部M-估计.用一步局部M-估计给出了未知函数的估计,用平均法给出了未知参数的估计,并在其中嵌入一个变窗宽加以提高,得到了未知函数和未知参数的渐近正态性.     

变窗宽和一步局部M-估计 *

研究稳健的变窗宽局部线性回归 .所提出的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点 .变窗宽的使用提高了所得到的局部M- 估计的可塑性并使得它们能成功地处理空间非齐性曲线、异方差性及非均匀设计密度 .在合适的正规条件下 ,所提出的估计是存在的且是渐近正态的 .基于稳健的估计方程 ,引进了一步局部M- 估计以减少计算负担 .只要初始估计足够好 ,一步局部估计将具有与整个迭代的M- 估计相同的渐近分布 .换句话说 ,一步局部M- 估计显著地减少整个迭代M- 估计的计算负担而不降低其执行效果 .模拟也说明了这个事实.     

部分线性回归模型的M-估计

本文讨论部分线性回归模型的M-估计．用局部线性方法给出未知函数的M-估计，用两步估计方法给出参数的M-估计．进一步证明了未知函数的M-估计的弱一致性和渐近正态性，参数的M-估计的弱一致性．     

部分线性回归模型变窗宽一步局部M-估计

讨论了部分线性回归模型的变窗宽一步局部M-估计.用一步局部M-估计给出未知函数的估计,用平均方法给出参数估计.进一步通过两个引理证明一步M-估计的渐近正态性.所提出的方法继承了局部多项式的优点并且克服了最小二乘法缺乏稳健性的缺点.     

变系数模型变窗宽局部M-估计的相合性

用变窗宽局部M-估计对变系数模型的系数函数进行估计,得到了估计的相合性和渐近正态性.所采用的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.变窗宽的使用提高了局部M-估计的可塑性,并使得它们能成功地处理空间非齐性曲线、异方差性及非均匀设计密度.     

p混合过程下变窗宽局部M-估计的强相合性

考虑到在实际应用中,运用变窗宽局部M-估计进行非参数估计时,所收集到的数据有时并非独立样本,而可能是一些混合样本.因此,本文就观测数据为ρ混合过程的条件下,讨论了变窗宽局部M-估计的强相合性,并给出两个具有较弱假设条件的定理.     

相依线性回归方程组的一种“朴实”两步估计的有效性

对于相依线性回归方程组Ｙｉ＝Ｘｉβｉ＋εｉ（ｉ＝１，２），我们提出了系数向量βｉ的一种较为简便的“朴实”的两步估计量，例如β１的估计量为β１（Ｔ）＝（Ｘ’１，Ｘ１）＾－１Ｘ‘１Ｙ１－σ１２σ２２（Ｘ’１Ｘ１）＾－１Ｘ‘１ＴＹ２。其中Σ＝（σｉｊ）的一种估计量，本文给出了Σ的一种新取法，通过均方误差矩阵的大小我们证明了这种简便两种估计有有限样本量下可优效于ＬＳ估计。     

两个半相依模型回归系数的改进估计

对于两个半相依回归系统的未知回归系数,本文首先借鉴文献中给出的两步协方差改进估计的方法给出两种两步协方差改进估计序列,并给出其与两步估计等价的条件和均方误差意义下的优良性; 其次,我们对文献中给出的一种两步估计作简单改进,使得改进后的估计在更大的参数空间内优于最小二乘估计. 再次,本文另辟蹊径, 构造了一种新的估计,同样地,此估计也具有更好的小样本性质.本文最后一节讨论了Pitman准则下两步估计的优良性.     

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.     

非参数计量经济联立模型的局部线性两阶段最小二乘变窗宽估计

联立方程模型在经济政策制定、经济结构分析和经济预测方面起重要作用 .本文在随机设计 (模型中所有变量为随机变量 )下 ,提出了非参数计量经济联立模型的局部线性两阶段最小二乘变窗宽估计并利用概率论中大数定理和中心极限定理在内点处研究了它的大样本性质 ,证明了它的一致性和渐近正态性 .它在内点处的收敛速度达到了非参数函数估计的最优收敛速度 .     

非参数计量经济联立模型的局部线性两阶段最小二乘估计

联立方程模型在经济政策制定，经济结构分析和经济预测方面起重要作用，本在随机设计（模型中所有变量为随机变量）下，提出了非参数计量经济联立模型的局部线性两阶段最小二乘估计并利用概率论中大数定理和中心极限定理在内点处研究了它的大样本性质，证明了它的一致性和渐近正态性，它在内点处的收敛速度达到了非参数函数估计的最优收敛速度。     

GMANOVA—MANOVA模型中的两阶段抽样估计

对于ＧＭＡＮＯＶＡ－ＭＡＮＯＶＡ模型Ｙ＝Ｘ１Ｂ１Ｘ＇２＋ＺＢ２＋ε(1)Ｃｏｖ（Ｙ）＝∑　Ｉｎ．(2)本文通过两阶段抽样构造出了其均值参数矩阵Ｂ_１,Ｂ_２的一种估计Ｂ（_１Ｎ１）,Ｂ_（２Ｎ２）,使得这种估计在二次损失下,其风险小于任意预先给定的ε＞ ０,并且证明了这种估计的停时数（ｓｔｏｐ　ｎｕｍｂｅｒ）是渐近有效的（在Ｃｈｏｗ　ａｎｄ　 Ｒｏｂｂｉｎｓ　（１９６５）意义下）．     

两点边值问题的解的RRG近似及其误差估计

Martin H.Schultz及Mary Fanett Wheeler分别讨论了微分算子Lu≡-(pu′)′ qu及Lu≡(au′)′-bu′-cu的两点边值问题在一定条件下的RRG(Rayleigh-Ritz-Galerkin)近似及Galerkin近似的误差估计。在此我们讨论算子Lu≡u″ bu′ cu的两点边值问题     

基于两阶段局部抽样策略的结构可靠性分析

工程实践中存在着各种不确定性因素,影响着工程结构的安全运行。结构可靠性分析以失效概率的形式考虑了不确定性的影响,可为结构的安全设计提供指导。然而,失效概率的评估往往涉及昂贵功能函数的调用,导致难以负担的计算成本。为解决该问题,基于Kriging模型的可靠性分析法在近年来受到了广泛的关注。该方法以训练良好的Kriging模型近似真实功能函数,从而在失效概率的计算中达到减少功能函数评价次数的目的。本文在主动学习Kriging模型的框架下,提出了基于两阶段局部抽样策略的结构可靠性分析法,以提高失效概率的估计精度和计算效率。在该方法中,Kriging模型的训练样本以两阶段局部抽样的方式从候选样本池中被逐渐添加。第一阶段以输入变量的均值点为抽样中心,利用概率密度函数确定抽样区域。当所估计失效概率满足基于置信区间的阶段划分阈值时,则开始第二阶段的局部抽样。第二阶段则以最可能失效点为抽样中心,以目标可靠度和功能函数的非线性度确定抽样区域。应用案例表明：所提方法能平衡有效抽样区域的全局探索和局部搜索,实现高精度失效概率估计的同时提高计算效率。     

变窗宽局部线性回归中的M估计

In this paper, by using the Brouwer fixed point theorem, we consider the existence and uniqueness of the solution for local linear regression with variable window breadth.     

重尾非线性自回归模型自加权M-估计的渐近分布

考虑非线性自回归模型x_t=f(x_t-1,…,x_t-p,θ)+∈_t,其中θ为q维未知参数,{∈_t}为随机误差.在允许误差方差无穷的重尾条件下,构造θ的自加权M-估计,并证明了该估计的渐近正态性.最后通过数值模拟,在随机误差服从某些重尾分布的条件下,说明自加权M-估计比最小二乘和L₁估计更有效.     

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...     

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.     

线性模型中两步估计的分解式及其应用

本文讨论广义线性模型中均值向量和回归系数的两步估计，给出了均值向量两步估计的分解式及均值向量两步估计与其最佳线性无偏估计一致的充分条件，并把结果应用到两阶段抽样回归模型及误差相关回归模型中。