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.     

非参数空间滞后模型的广义矩估计

放松了参数空间滞后模型中自变量的影响为已知的线性或非线性形式假设,考虑一类非内生自变量为随机变量的非参数空间滞后模型,构建了该模型的广义矩估计法,导出了其估计量的渐近性质,用Monte Carlo模拟方法考察了估计量的小样本表现.此外还将所提出的估计方法应用于估算我国各省市全要素生产率增长率.     

三参数广义帕累托分布的似然矩估计

广义帕累托分布(GPD)在极值统计的POT模型中常常被用来逼近超过阈值u的超出量X_i-u的分布. 为解决经典估计方法存在的问题, Zhang (Zhang J, Likelihood moment estimation for the generalized Pareto distribution, Aust N Z J Stat, 2007, 49:69--77) 对两参数GPD (GP2)提出一种新的估计方法------似然矩估计(LM), 它容易计算且具有较高的渐近有效性. 本文将此方法从两参数的情形推广到三参数GPD (GP3), 结果表明尺度参数和形状参数估计的渐近性质与以上所提到的文章完全相同. 针对GP3的LM估计也具有总是存在、易于计算以及 对绝大多数的形状参数具有接近于最小的偏差和均方误差的特点.     

半参数回归模型的估计的渐近性质

考虑半参数回归模型ｙｉ＝ｘｉ＾１β＋ｇ（ｔｉ）＋ｅｉ,１≤ｉ≤ｎ;其中ｇ为Ｒ上未知函数,σ０＾２＝Ｄ（ｅ１）柴根象等在１９９５年给出了β的二阶段估计βｎ,本文基于β１建立了σ０＾２的估计量σｎ＾２,研究了误差方差估计σｎ＾２的渐近正态性和强相合性,并且得到了可直接用于统计推断的统计量及其分布。     

非Lipschitz条件下混合型随机微分方程解的矩估计北大核心CSCD

本文的研究对象为非Lipschitz条件下混合分数布朗运动驱动的随机微分方程.混合分数布朗运动是布朗运动和分数布朗运动的线性组合.通过证明和混合分数布朗运动有关的伊藤公式,借助Malliavin积分理论,本文证明在非Lipschitz条件下,由混合分数布朗运动驱动的随机微分方程解的矩估计和连续性.     

广义非参数回归的B样本贝叶斯估计

本文主要研究广义非参数模型B样条Bayes估计 .将回归函数按照B样条基展开 ,我们不具体选择节点的个数 ,而是节点个数取均匀的无信息先验 ,样条函数系数取正态先验 ,用B样条函数的后验均值估计回归函数 .并给出了回归函数B样条Bayes估计的MCMC的模拟计算方法 .通过对Logistic非参数回归的模拟研究 ,表明B样条Bayes估计得到了很好的估计效果     

半参数广义线性混合效应模型的估计及其渐近性质

半参数广义线性混合效应模型在心理学、生物育种、医学等领域有广泛的应用. Zhang(1998)用最大惩罚似然函数的方法(MPLE)对模型的参数和非参数部分进行了估计, 而Zhang (1998) MPLE方法只适用于正态数据模型. 对于泊松等常用的模型, 常的方法是将随机效应看作缺失数据, 再引入EM算法. 本文基于McCulloch 1997)提出的MCNR算法, 此算法推广到半参数广义线性混合效应模型中并得到相应的估计算法. 于非参数部分, 本文采用P样条拟合并利用GCV方法选取光滑参数, 时证明了所得估计的相合性和渐近正态性. 最后, 过模拟和实例与其它算法作比较验证本文估计方法的有效性.     

一类非参数回归模型核估计的渐近性质

研究一类新的非参数回归模型回归函数的核估计问题,其中误差项为一阶非参数自回归方程.通过重复利用Watson-Nadaraya核估计方法,构造了回归函数及误差回归函数的估计量分别为m(.)和ρ(.),在适当的条件下,证明了估计量m(.)和ρ(.)的渐近正态性.     

广义矩估计的重对数律

本文研究了广义矩估计的性质.利用强相合性的条件,得到了广义矩估计满足重对数律的结果.     

双线性时间序列矩估计的渐近性态

双线性时间序列矩估计的渐近性态范金城，李金玉（西安交通大学应用数学系，西安７１００４９）双线性模型是一种重要的非线性时间序列模型，其一般形式是式中｛ｅｔ，ｔ＝０、±１，±２，…｝是ｉ．ｉ．ｄ．序列，且ｃ０＝１．对时间序列｛Ｘｔ，ｔ＝０，±１，±２，…...     

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.     

广义Pareto分布的广义有偏概率加权矩估计方法

广义Pareto分布(GPD)是统计分析中一个极为重要的分布,被广泛应用于金融、保险、水文及气象等领域.传统的参数估计方法如极大似然估计、矩估计及概率加权矩估计方法等已被广泛应用,但使用中存在一定的局限性.虽然提出很多改进方法如广义概率加权矩估计、L矩和LH矩法等,但都是研究完全样本的估计问题,而在水文及气象等应用领域常出现截尾样本.本文基于概率加权矩理论,利用截尾样本对三参数GPD提出一种应用范围广且简单易行的参数估计方法,可有效减弱异常值的影响.首先求解出具有较高精度的形状参数的参数估计,其次得出位置参数及尺度参数的参数估计.通过Monte Carlo模拟说明该方法估计精度较高.     

混合样本下非参数回归模型误差的矩相合估计

要考虑非参数回归模型Yi=g(Xi) εi，i=1，2…其中误差（ε，ii≥1)为φ混合随机变量列，且有共同的未知密度f(x)，g(x)=E(Y|X=x)为未知的回归函数，本由基于g(x)的非参数估计gn（x）定义的残差，然后再由基于残差构造的f(x)的估计fn(x)，在适当条件下，证明了fn(x)具有r(1相似文献   

Copula函数中参数的矩估计方法

Copula函数是将多维随机变量的联合分布和其边缘分布连接起来的一种函数.关于Copula函数的理论和应用已有不同深度的研究,特别是Copula函数中未知参数的估计问题.本文研究了Gumbel Copula函数的参数估计,提出了矩估计和近似矩估计两种方法,分别得到了未知参数的估计结果,并通过模拟研究对这两种方法进行了比较,结果显示矩估计方法更为合理.     

耐用品长期风险模型的广义矩估计和可测性研究

基于我国2002年到2012年的季度数据,本文使用广义矩估计方法检验了耐用品长期风险模型。模型参数依赖的状态变量不可观测,通过推导把状态变量表示成可以观测的指标价格红利比率,从而可以对模型参数进行估计。研究表明,投资者的风险厌恶系数和跨期替代弹性相互分离,模型能够有效刻画投资者的消费和投资行为特征。此外,模型预测成分对于红利增长率、市场收益率和股权溢价有较强的预测能力,而对消费增长率的预测能力有限。     

带有缺失数据的广义半参数模型的均值借补估计

本文在响应变量随机缺失时, 给出了广义半参数模型中响应变量的2个均值拟似然借补估计.证明了它们具有渐近正态性, 给出了估计的渐近偏差与渐近方差, 并进行模拟比较.     

半参数回归模型小波估计的矩相合性

用小波方法,考虑半参数回归模型y_i=X_i~Tβ+g(t_i)+ε_i(1≤i≤n),其中β∈R~d为未知参数,g(t)为[0,1]上未知的Borel可测函数,X_i为R~d上的随机设计,随机误差{ε_i}为鞅差序列,{t_i}为[0,1]上的常数序列.得到参数及非参数的小波估计量的q-阶矩相合性.     

鞅差误差下非参数模型的小波估计

This paper is concerned with the heteroscedastic regression model Y1=g(xi) σiei, (1≤i≤n) under correlated errors ei,where it is assumed that σi^2 =f(ui),the design points (xi,u1)are known and nonrandom, and g and f are unknown functions. Assuming that unobserved disturbances ei are martingale differences. The strong uniform convergence rates and r-th moment uniform convergence rates of wavelet estimator of g are investigated. Also,the strong uniform convergence rates are discussed for wavelet estimator of f.     

固定设计下半参数回归模型核估计的渐近性质

研究一类新的半参数回归模型回归函数的核估计问题,其中误差项为一阶非参数自回归过程.通过重复利用Watson-Nadaraya核估计方法,构造了回归函数及误差回归函数的估计量分别为β,g(·)和ρ(·),在适当的条件下,证明了估计量β,g(·)和ρ(·)的渐近正态性.     

方差分量模型参数的广义岭估计

本文先将方差分量模型的方差分量化为派生模型的均值参数，分别作出其相对于ＬＳＥ和ＢＬＵＥ的广义岭估计，再根据二步估计法作出原模型均值参数的广义二乘估计及其进行一步的岭估计。证明了这样不仅使方差分量估计的均方误差减少，而且使原模型均值参数估计的均方误差也不均加和地一步减少。本文还找到了岭参数仅仅依据于样本的估计，这样既将岭估计方法推进至方差分量模型，也改进了方差分量模型参数的离差均值对应方法。