低阶矩条件下线性回归最小二乘估计弱相合的充要条件

考虑线性回归模型Y_i=x′_iβ+e_i,1≤i≤n,n≥1,假定误差e_i独立,同分布或不同分布,其r(1≤r<2)阶矩有限,得出了为使β或其一线性函数c′β的最小二乘估计为弱相合,{x_i}所应满足的充要条件.     

PP聚类的众数指标及最优方向估计的相合性

在[5]中我们提出了一种PP聚类指标——众数指标,并在一定条件下得到了最优方向估计的渐近分布.本文关心的是PP众数指标及其最优方向估计的相合性以及收敛速度.首先,我们回顾一下[5]中提出的两种众数指标.设有P元随机向量X,具正定的协方差阵∑_0,期望μ_0,且α方向上的边缘密度为 g(a;t),t∈R~1.设X_1,…,X_n为X的n     

等相关线性模型回归系数LS估计的弱相合性

本文讨论了等相关线性模型回归系数LS估计的相合性,在对设计阵很一般的假定下,得出了弱相合的充要条件。     

线性回归系数最小二乘估计弱相合性的一个结果

假定线性回归模型的误差列为i.i.d.,有r阶矩,1≤r＜2.[1]中证明若     

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...     

NW型瞬时波动率核估计的一致弱相合性

波动性是金融产品价格演化的重要特征,为了防范与规避金融风险,人们长期以来都十分重视研究波动率的估计问题.本文对Kristensen(2010)提出的NW型瞬时波动率核估计做进一步研究,研究该估计的渐近性质,在一些较为合理的条件下给出了估计的一致弱相合性,我们的条件弱于Kristensen(2010)所使用的条件,且获得了较好的收敛速度.     

混合整数线性模型参数最小二乘估计的弱相合性

在GPS和测绘等领域中,混合整数线性模型是非常重要的一种模型。本文在混合整数线性模型参数的最小二乘估计的基础上,证明了该估计量的弱相合性。Monte Carlo模拟验证表明,各参数估计的相合效果明显。     

多元位置的稳健PP型度量与估计

本文用Ｐｒｏｊｅｃｔｉｏｎ Ｐｕｒｓｕｉｔ方法给出了一类新的多元位置的稳健ＰＰ型度量与估计，证明了它不公文 具有同变性，渐近正态性，而且具有高效率与高崩溃点等优良性质，尤其它具有形式简单，计算容易的特点。     

线性回归系数最小二乘估计强相合的充要条件

设有线性模型，以λn和μn分别记Sn的最小和最大特征根．假定随机误差e1，e2，…为iid，Ee1＝0且对某个r，1≤r＜2．本文在的限制下，得到了β的最小二乘估计为强相合的充要条件.     

散度形式椭圆型方程弱下解的局部估计

运用De Giorgi迭代技巧,得到了一般散度形式的椭圆型偏微分方程弱下解的局部估计,推广了有关文献中的结论.     

关于广义线性模型拟似然估计弱相合性的几个问题

基于响应变量一维时广义线性模型$\E(\,y\,|X)= \mu(X’\beta)$的拟似然方程$\sum_{i=1}^n X_i(y_i-\mu(X_i’\beta))=0$, 研究了其拟似然估计的弱相合性及其他性质. 在误差$\{e_i=Y_i-\mu(X_i’\beta_0),1\leqslant i\leqslant n\}$不相关及其他条件下, 证明了 $\hat{\beta}_n-\beta_0=O_p(\underline{\lambda}_n^{-1/2})$, 其中 $\hat{\beta}_n$为上述拟似然方程的一个解, β₀ 为参数 β的真值, $\underline{\lambda}_n$ 为矩阵$S_n=\sum_{i=1}^nX_iX_i’$的最小特征值. 进一步, 在误差独立且不含渐近退化子列及其他条件下, 证明了上述收敛速度是确切的. 此外, 平行于Drygas (1976)关于线性回归模型的一个经典结果, 证明了对于广义线性模型, 为保证拟似然估计的弱相合性的必要条件 是当$n\to\infty$时, $\,S_n^{-1}\to 0$.     

多维广义线性模型拟极大似然估计的弱相合性

本文考虑多维广义线性模型的拟似然方程$\tsm^n_{i=1}X_i(y_i-\mu(X_i'\xb))=0$, 在一定条件下证明了此方程的解$\wh\xb_n$渐近存在, 并得到了其收敛速度, 即$\wh\xb_n-\xb_0=O_p({\underline{\xl}}_n^{-1/2})$, 其中$\xb_0$为参数$\xb$的真值, $\underline{\xl}_n$是方阵$S_n=\tsm^n_{i=1}X_iX_i'$的最小特征值。     

线程回归系数L_1估计弱相合性的一个必要条件

设 Y_i=x′_iβ_0+e_i,i=1,…,n,为线性回归模型。此处 x_1,x_2,…为已知 p 维向量。以β_n 记β_0的 L_1估计,即设随机误差 e_1,e_2,…独立,med(e_i)=0,且存在正数 l_1,l_2,使 P(-h≤e_i≤0)≤l_1h≥P(0≤e_i≤h),0≤h≤l_2,i=1,2,…则当时,β_n 不是β_0的弱相合估计。     

M-估计下误差密度核估计的相合性

线性模型Yi=x′iβ ei,i=1,2…，其中{ei}i^∞=1,i.i.d.,有未知密度f(x），本文讨论了在对β作一般M－估计后，基于残差做出的误差密度核估计的相合性，在比文献弱的条件下，证明了误差密度核估计的逐点弱相合，逐点强相合和一致强相合。     

多重线性关系模型的强相合估计

其中x_k(k=1,2,…,n)是m维非随机向量,真确地满足线性关系(1.1a),是不可观测的.ξ_k(k=1,2,…,n)是可观测的m维随机向量,其随机误差δ_k(k=1,2,…,n)是m维i.i.d随机向量,且满足     

二类跳跃回归函数的强相合估计

本文将研究二类跳跃回归函数的估计问题。对于跳跃点个数已知、跳跃点位置未知、跃度已知或未知这二类跳跃回归函数,本文提出了核差估计的思想,并在较弱的条件下证明了该估计是a.s.和L~2相合的。本文的核差估计适合于多个跳跃点存在的情形,它与已有的跳跃回归函数的一些估计方法相比,具有思想直观、统计性质好、估计方法灵活等特点。     

扩散系数小波估计的强相合性

本文研究了一维扩散方程中扩散系数的非参数估计,给出了有界Lipschitz扩散系数的线性小波估计,证明了所得估计量的强相合性.     

扩散系数小波估计的强相合性

本文研究了一维扩散方程中扩散系数的非参数估计,给出了有界Lipschitz扩散系数的线性小波估计,证明了所得估计量的强相合性.     

拟似然非线性模型中MQLE的弱相合性的充分条件

拟似然非线性模型包括广义线性模型作为一个特殊情形.给出了拟似然非线性模型中极大拟似然估计的弱相合性的一些充分条件,其中矩的条件要弱于文献中极大拟似然估计的强相合性的条件.