非时齐扩散模型中时变参数的局部线性估计

本文主要研究非时齐扩散模型中时变的漂移参数和扩散参数的局部线性估计。基于非时齐扩散模型的离散观测样本,首先得到了漂移参数的局部线性估计及其标准误差。然后,考虑到扩散参数的非负性,本文利用局部对数线性拟合的方法得到了扩散参数的核函数加权估计,并讨论了扩散项估计的渐近偏差、渐近方差和渐近正态性。最后,通过模拟研究表明所得局部估计有很好的拟合效果。     

部分线性变系数模型的新复合分位数回归估计

针对部分线性变系数模型的参数估计问题,提出了一种新复合分位数回归估计方法.利用复合分位数回归法估计参数部分,局部非线性复合分位数回归法估计变系数函数部分,并在若干正则条件下,证明了常系数和变系数函数估计量具有较好的渐近正态性质.通过随机模拟和实例分析,验证了所提估计方法在有限样本下的良好表现,有效的证明了所提方法的优越...     

一个半参数模型渐近有效估计的构造

对半参数回归模型Ｙ＝ＸＴβ十ｇ（Ｔ）＋ε，分别在ε的密度函数已知、未知的情况下，构造出了β的渐近有效估计．     

左截断数据下非参数回归模型的复合分位数回归估计

利用局部多项式方法研究了误差具有异方差结构的非参数回归模型,在左截断数据下构造了回归函数的复合分位数回归估计,并得到了该估计的渐近正态性结果,最后通过模拟,在服从一些非正态分布的误差下,得到该估计比局部线性估计更有效.     

一个半参数回归模型的渐近正态性

考虑半多数回归模型yi＝xiβ＋g（xi）＋εi，lin，这里xi是具有已知方差σ的独立同分布随机样本，εi是具有零均值和有限方基σ2的独立同分布随机误差．β，g和εi的分布密度是未知的．本文作者构造了一个具有更小渐近方差的β的一个渐近正态估计．     

半参数EV模型参数的二阶段估计

本文综合核函数法 ,最小二乘法 ,利用二阶段估计的方法求出了 EV模型中参数的估计量 ,并研究了它的强相合性以及渐近正态性 .     

一个半参数可加模型中渐近性的一点注记

假设是一组光滑未知的函数，β＝（β１，…，βｐ）τｐ×１待估向量，ε是具有均值为０，方差为σ２的随机变量，基于模型我们构造了β的渐近正态估计以及具有收敛速度１／３的ｇ的估计．     

跳-扩散模型中时变参数的核函数加权估计

本文主要研究跳一扩散模型中时变参数的核函数加权估计。基于带复合Poisson跳的扩散模型的离散观测样本,首先得到了漂移参数的核函数加权最小二乘估计及其标准误差,然后利用分位回归方法得到了扩散参数的核函数加权分位回归估计,并证明了所求估计的相合性。最后通过模拟说明了估计量的有效性。     

半参数方差误差模型的估计

本文综合近邻权函数法及最小二乘法，用两阶段最小二乘估计的方法得到了半参数EV模型中参数的估计量及其强相合性，渐近正态性。同时也得到了非参数函数的估计量及其强相合性，一致强相合性。     

半参数回归模型的渐近有效L-估计

对半参数回归模型yi=χiTβ+g(χi)+ei,i=1,2,…,n,对非参数函数g(·)采用核估计的方法,构造了参数向量β的L-估计量λn,在一些正则条件下,获得了λn的渐近正态性和非参数函数g(·)的估计量gn(t)的最优收敛速度可达到O(n-(1/3)),并且给出了标准化L估计量λn的渐近分布的Berry-Esseen界.     

Efficient Quantile Estimation for Functional-Coefficient Partially Linear Regression Models

The quantile estimation methods are proposed for functional-coefficient partially linear regression (FCPLR) model by combining nonparametric and functional-coefficient regression (FCR) model. The local linear scheme and the integrated method are used to obtain local quantile estimators of all unknown functions in the FCPLR model. These resulting estimators are asymptotically normal, but each of them has big variance. To reduce variances of these quantile estimators, the one-step backfitting technique is used to obtain the efficient quantile estimators of all unknown functions, and their asymptotic normalities are derived. Two simulated examples are carried out to illustrate the proposed estimation methodology.     

对稳健回归尺度参数估计的一种改进

常对线性回归模型的稳健 M估计中 ,尺度参数使用绝对离差中位数 MAD.将 Rousseeuw等人对单变量尺度参数的一种稳健估计 Sn引入到回归问题中 ,讨论了此估计的一些优良性质 ,并通过一个小规模的模拟研究 ,说明使用 Sn比使用 MAD做尺度参数将会较大地提高回归估计的估计效率 .     

半参数空间变系数模型的局部线性二阶段估计

针对半参数空间变系数模型,利用二阶段估计方法借助于局部线性拟合技术给出了模型中常值系数估计量的精确表达式;同时给出了实验设计方法,用于验证所提出的估计方法对估计常值系数具有满意的精度和稳定性.     

Minimum Disparity Estimation in Linear Regression Models: Distribution and Efficiency

This paper deals with the minimum disparity estimation in linear regression models. The estimators are defined as statistical quantities which minimize the blended weight Hellinger distance between a weighted kernel density estimator of errors and a smoothed model density of errors. It is shown that the estimators of the regression parameters are asymptotic normally distributed and efficient at the model if the weights of the density estimators are appropriately chosen.     

半参数回归模型小波估计的强相合性

考虑半参数回归模型y_i~(n)=X_i~((n)T)β+g(t_i~(n))+ε_i~(n)(1■i■n),其中β∈R~d为未知参数,g(t)为[0,1】上的未知Borel函数,X_i~(n)为R~d上的随机设计,随机误差序列{ε_i~(n)}为鞅差序列,{t_i~(n))为[0,1]上的常数序列．本文用小波的方法得到β、g(t)的估计量分别为■_n、■_n(t),并证明了它们的强相合性．     

Iterative Weighted Semiparametric Least Squares Estimation in Repeated Measurement Partially Linear Regression Models

Consider a repeated measurement partially linear regression model with an unknown vector parameter β, an unknown function g(.), and unknown heteroscedastic error variances. In order to improve the semiparametric generalized least squares estimator (SGLSE) of β, we propose an iterative weighted semiparametric least squares estimator (IWSLSE) and show that it improves upon the SGLSE in terms of asymptotic covariance matrix. An adaptive procedure is given to determine the number of iterations. We also show that when the number of replicates is less than or equal to two, the IWSLSE can not improve upon the SGLSE. These results are generalizations of those in [2] to the case of semiparametric regressions.     

多元非参数计量经济模型的变窗宽局部线性估计

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模型的变窗宽局部线性估计,并利用概率论中大数定理和中心极限定理,在内点处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.     

纵向数据半参数回归模型的最小二乘局部线性估计

本文考虑纵向数据半参数回归模型:Yij=XiTjβ+g(Tij)+iεj,基于最小二乘法和局部线性拟合的方法建立了模型中参数分量β,回归函数g(.)和误差方差σ2的估计,在适当条件下给出了估计量的相合性,通过模拟研究说明了该方法在有限样本情况下具有良好的性质。