拟合优度检验的回归分析方法及在参数估计中的应用

本文利用人工参数建立了拟合优度检验的回归模型,并将其应用参数估计。特别对于位置参数的估计是强相合、渐近正态和稳健的,其崩溃点是1/2。     

一种惩罚最大似然方法估计混合回归模型

本文考虑具有正态误差假设下混合回归模型的参数估计问题.由于似然函数的无界性,混合回归模型普通的最大似然估计不存在.本文提出一种惩罚最大似然方法来估计混合回归模型的参数,证明惩罚最大似然估计量(penalized maximum likelihood estimation, PMLE)具有强相合和渐近正态性.通过深入模拟研究,从估计精确性角度看,惩罚最大似然估计量有很好的表现.本文还给出一个音调感知的例子来说明理论结果的应用.     

多元线性模型t型回归参数估计的相合性和渐近正态性

考虑多元线性回归模型中回归系数的稳健估计问题, 将组内数据球化后, 视误差向量分布为各分量独立且具有相同刻度和自由度的t分布, 通过极大似然(M)方法获得t型回归参数估计. 本文讨论了这种t型回归参数估计的渐近性质, 在一些正则条件下, 获得了它的相合性, 并得到它的渐近正态性.     

随机删失下位置-刻度模型中的强相合与渐近正态估计

在删失分布未知的情形下,证明了所定义的位置─刻度模型中参数估计的强相合性与渐近正态性．在证明估计的渐近正态性时,使用了点过程鞅方法．     

随机右截尾情形下位置—刻度模型中参数的估计

本文证明了对于一般的位置——刻度模型F(x-μ/σ)来讲,当截尾分布1-G(y)已知时,位置参数和刻度参数基于随机右截尾数据的矩估计是强相合的和渐近正态的.当截尾分布1—G(y)未知时,所得的矩估计是弱相合的.     

自回归模型中的矩估计

近年来时间序列分析中的模型识别和参数估计方法(如[1—3])得到了广泛的应用和发展,关于参数估计的渐近理论的研究,也随之被重视,滑动平均与自回归等参数估计的渐近性质得到了广泛的讨论(如[4—7]).这些文章讨论了参数估计的依概率收敛性,几乎处处收敛性,以及渐近正态性.而后文[8]又给出了渐近误差方差性质.这篇文章在给出一个矩量分析定理的基础上获得了一系列的误差矩渐近性质.     

单调回归模型及其在退化数据中的应用

形如f=C1 C2∫0^t[exp∫0^u ω(s)ds]du(其中：C1，C2是常数，ω(s)是L^2可积)的函数是一个广泛的单调函数类，特别地，假定ω(s)是有固定结点的样条函数．我们用惩罚最小二乘的方法估计其中的未知参数，得到了参数估计的强相合性及渐近正态性，并将该模型用到退化实例中去，得到很好的效果。     

基于联合估计方法的广义随机系数自回归模型的统计推断

本文利用联合估计函数方法(CEF)对广义随机系数自回归(GRCA)模型进行统计研究.应用联合估计函数方法得到广义随机系数自回归模型参数估计量,证明了提出的参数估计量的相合性和渐近正态性,利用数值模拟对提出的参数统计量进行对比分析,数值模拟结果表明,联合估计方法的参数估计量优于基于估计函数方法、伪极大似然方法、最小二乘方法的参数估计量,实证研究也说明CEF方法具有较好的效果.     

带自回归过程的单指标模型的参数估计及其渐近性质

研究了带有一阶自回归误差结构的单指标模型的参数估计及其渐近性质问题,利用局部多项式回归的方法对未知的联系函数进行估计,基于最大似然方法提出了模型的参数估计方法,同时在一些基本的假设下证明了估计的相合性及其渐近正态性,并给出模拟计算和应用实例以表明所提方法的有效性.     

变系数部分线性测量误差模型的B-样条估计（英文）

本文研究变系数部分线性测量误差模型的估计问题.利用纠偏方法,获得参数分量修正的最小二乘估计和非参数分量的B-样条估计.证明参数估计是相合的,渐近正态的;系数函数的B-样条估计达到非参数回归估计的最优收敛速度.模拟结果表明该方法是有效的.     

维数发散乘积回归模型的M估计

针对乘积回归模型,本文提出了非凹惩罚最小乘积相对误差的M估计(简称为惩罚MLPRE),该方法可有效处理高维样本量及参数维数随样本量增大而增大的稀疏乘积回归模型.基于一些正则条件,本文得到惩罚M-LPRE参数估计的相合性和渐近正态性等理论性质,通过数值模拟和实例分析,验证了惩罚M-LPRE准则的有效性.     

截断与删失数据下的一个回归方法

对于截断与删失下的反映变量,我们提出了一类广义乘积限估计,并获得了它的弱收敛性.在回归分析中,利用这类广义乘积限估计来定义一种最小距离的参数估计,并获得了这种参数估计的相合性和渐近正态性.     

由分数Brown运动驱动的线性自排斥扩散的最小二乘估计

本文研究如下线性自排斥扩散过程的参数估计问题:X_t~H=B_t~H+θ∫_0~t∫_0~θ(X_B~H-X_u~H)dudθ+vt其中X_O~H=0,B~H是Hurst指数为1/2≤H1的分数Brown运动,且θ0和υ∈R是两个未知参数.该过程为一类自交互扩散过程的类似过程.在连续观测条件下,本文利用最小二乘法给出这两个参数的估计,并且讨论了它们的相合性和渐近分布.     

数据非随机缺失时单变量的分布函数估计

本文研究数据非随机缺失下的分布函数估计问题.在确定缺失数据是否属于某些指定区间的前提下,对一维随机变量y的分布函数F(y)作出了估计.此时,假定数据缺失机制形式已知,但包含某未知多维参数θ.本文证明了未知参数θ的估计量(θ)的相合性和渐近正态性,也证明了分布函数F(y)的估计量F(y)的相合性和渐近正态性.     

多维线性回归有偏子模型的多步调整相合推断

当协变量是高维时经常采用一个子模型作为工作模型.由于没有包含所有相关的变量,这个模型可能是有偏的.这样,基于子模型得到的参数估计可能是不相合的.在这篇文章中将首先通过多步调整方法构造一个条件无偏模型.与现有的方法相比,这个调整模型仅采用了一维非参估计.然后得到子模型参数的一个全局相合估计,而且获得了该估计的渐近正态性.数值模拟结果显示,基于调整模型的参数估计优于基于子模型和全模型的参数估计.     

误差为MA（∞）序列的半参数回归模型的小波估计的渐近性质

本文研究误差为MA(∞)时间序列的半参数回归模型.利用小波方法,研究了参数分量β非参数分量g(t)的小波估计βn、gn(·)的渐近性质.在适当的条件下,得到了βn的渐近正态性、强收敛速度、矩收敛速度及gn(·)的强相合性和矩相合性.     

删失数据半参数回归模型的样条估计量的渐近正态性

本文研究了删失数据半参数回归模型的渐近正态性问题.利用样条光顺和合成数据的方法,获得了参数β、非参数h(t)的样条估计量,以及参数估计量的渐近正态性,推广了完全数据情形的相应结果[4].     

具部分缺失数据的两个柏松总体的估计和检验

本文讨论部分缺失数据两柏松分布总体的参数估计和总体相同的似然比检验,证明了估计的强相合性和渐近正态性,给出了似然比检验的极限分布,并讨论了基于精确分布的检验问题.     

带有误差变量的自回归模型的局部多项式估计

该文主要研究带有误差变量的自回归模型的自回归函数的非参数估计问题,应用卷积核函数,给出了自回归函数的局部多项式估计,考察了局部多项式估计的相合性和渐近正态性,最后作了模拟计算.     

正则矩阵回归的渐近性质（英文）

本文研究了正则化矩阵回归估计量的渐进性质等问题.利用Knight,Fu和Chatterjee,Lahiri分别关于向量回归的Lasso估计量渐近性研究方法,推广到矩阵回归,研究核范数正则化矩阵回归估计量对应的渐近性质.从而得到了核范数矩阵估计量在随机误差二阶矩存在即E|∈_i|~2 <∞的条件下的弱相合性和极限分布,以及在随机误差的低阶矩存在即E|∈_i|~α<∞,1 <α<2的条件下,核范数矩阵参数估计量的强相合性以及对应的收敛速度.