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.     

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].     

再论逆自相关函数自回归估计的渐近性质（Ⅱ）：渐近正态性

本文在一组相当广泛的条件下,证明了线性平稳时间序列逆自相关函数自回归估计的渐近正态性,并获得了由这一估计所得的MA(q)模型参数估计的渐近正态性和优效渐近正态性。     

基于岭回归模型大数据最优子抽样算法研究

随着大数据时代的来临,为了提高计算效率,Wang等(2018)提出基于logistic回归的最优子抽样算法,在保证参数估计精度的前提下,节省了大量的运算时间.为解决变量间的多重共线性,文章提出基于岭回归模型的最优子抽样算法,并证明岭回归模型中参数估计的一致性与渐近正态性.利用数值模拟与实证分析对最优子抽样算法进行评估,...     

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.     

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．     

有限混合Laplace分布回归模型局部估计的EM算法（英文）

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题.利用核回归方法和最大化局部加权似然函数的EM算法,获得了参数函数的局部极大似然估计量,并讨论了它们的渐近偏差,渐近方差和渐近正态性.推广了有限混合回归模型下局部非参数估计的结果.     

有限混合Laplace分布回归模型局部估计的EM算法

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题. 利用核回归方法和最大化局部加权似然函数的EM算法, 获得了参数函数的局部极大似然估计量, 并讨论了它们的渐近偏差, 渐近方差和渐近正态性. 推广了有限混合回归模型下局部非参数估计的结果.     

高阶中立型多滞量泛函微分方程的振动性

本文考虑如下高阶中立型泛函微分方程:其中,p是实数,是非负实数目前,高阶中立型泛函微分方程的渐近性,振动性的文章还不多,尤其是振动性的文章。较早的工作如文献[1],它给出了n=1,m=1时,方程(1)的渐近性和振动性的一些结果。徐远通和Ladas and Y.G.Sficas解决了方程(1)含一个滞量(m=1)时解的渐近性质,而文献[3]得到了一些关于方程(1)(m=1时)振动的充分     

响应变量缺失下非线性回归模型的加权半参数估计

基于逆概率加权方法研究了响应变量缺失下非线性回归模型的参数估计问题,提出了一种利用广义部分线性单指标模型对选择概率建模的加权半参数估计方法.从理论上证明了所得估计量具有渐近正态性,并通过数据模拟分析研究了所提方法在有限样本下的表现.     

分数扩散模型的参数估计及其应用

研究分数扩散模型的参数估计及其应用问题.分数扩散模型是一类由分数Brownian运动驱动的随机微分方程.主要结果有:(1)利用二次变差方法给出模型中扩散系数的估计量,通过最小二乘法给出模型中漂移系数的估计量;(2)证明这些估计量的一致收敛性和渐近正态性;(3)利用MCMC方法对此估计量进行验证,并通过R软件将上述模型以及参数估计量应用到SHIBOR利率中进行实证研究.     

非参数方法下条件矩限制回归模型的广义矩估计

本文讨论条件矩限制回归模型的参数估计.使用非参数估计方法给出条件密度和条件均值的估计,在此基础上给出参数的广义矩估计.进一步讨论了估计的渐近正态性.     

异方差的线性混合模型的参数估计

本文研究既含有固定效应又含有随机效应的线性混合模型,在随机效应的方差不同即异方差情况下,即考虑方差受外界因素的影响,如温度、湿度等,我们称之为协变量,在有协变量情况下对方差建立对数线性模型,运用最大似然估计讨论了固定效应的估计和随机效应的预测,并且用约束最大似然(REML)方法研究对数线性模型中参数和随机误差中参数(离差参数)的估计,并讨论估计量的性质及离差参数估计量的渐近正态性。     

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.     

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.     

论极大似然估计的Cramér渐近有效性

参数的极大似然估计(MLE)的渐近有效性是目前极大似然估计理论中的一个研究项目.但对于参数估计的渐近有效性,从不同角度出发,给出了各种不同的定义.例如,一个估计,如果具有最优渐近正态分布(BAN)性质,则称为渐近有效估计,这是文献中常见的,研究最多的.再如从分布收敛速度出发的Bahadur渐近有效性.而Cramer于     

适应性最小相对误差估计

针对乘积回归模型提出一种适应性最小相对误差(ALRE)准则,准则是一种自适应的估计方法.对于不同数据,通过调整权重可提高模型的解释能力和参数估计的准确性.证明了ALRE准则下估计量的相合性和渐近正态性.实证研究和人体脂肪数据的应用分析进一步说明了ALRE准则的有效性和实用性.     

基于强混合数据的半参数平滑转换回归模型

本文基于严平稳强混合数据和带确定性趋势的强混合数据序列,推广了文献[20]中提出的半参数平滑转换回归模型。对含于平滑转换函数中的未知光滑有界函数应用级数估计方法,并基于非线性最小二乘估计和级数估计理论证明了模型参数估计量的相合性和渐近正态性等大样本性质,简要讨论了其协方差矩阵的估计以及假设检验问题。最后,应用该模型重新研究了我国年度通货膨胀率的平滑转换结构。     

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.     

多类型复发间隔时间下广义半参数风险模型

本文在多类型复发间隔时间数据下,研究了一类广义半参数风险回归模型的参数估计问题,给出了该模型中未知参数和非参数函数的一种估计方法,并证明了估计量的相合性和渐近正态性.最后利用数值模拟来评估估计量在有限样本下的表现.