一类非参数回归函数估计的性质

设Z_(11),z_(12),…,Z_是在固定点(x_i,y_1),1≤≤n_1,1≤j≤n_2,的n_1n_2个观察值,适合模型 Z_(ij)=g(x_i,y_j)+ε_(ij),1≤i≤n_1,1≤j≤n_2。(1) 本文给出了g的一种估计并讨论了估计的性质。     

非参数回归模型中回归函数的估计的渐近性质

§1.引言 考虑下列的回归模型:Y在X=x的条件之下的分布密度为f(y|X=x)=p(y-θ(x)),(1.1)其中p(y)满足条件回归函数θ(x)为下列集合的成员之一存在,x∈U},(1.3)其中U是一个开区间,θ~(p)(x)表示θ(x)的p阶导数。又设随机变量X的分布密度为q(x),它在X的支撑U上为连续正函数。现在设(X_1,Y_1),…,(X_n,Y_n)是(X,Y)的     

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.     

固定设计下非参数回归模型估计的渐近性质

考虑固定设计下具有非参数AR(1)的非参数回归模型,综合最小二乘和非参数核估计法,定义了非参数函数的估计量,在适当的条件下,研究了它们的渐近性质.     

非参数回归中位数交叉核实中位数估计的渐近性质

考虑非参数回归模型Y_ni=g(x_ni)+e_ni,1≤#em/em#≤n,其中g是定义在[0,1]上的待估计的连续函数,x_ni,1≤#em/em#≤n,是[0,1)上的固定设计点,e_ni,1≤#em/em#≤n,是中位数为0的iid随机变量,用最近邻中位数估计g_n.h(x_ni)=(m)(Y_(i(l)~(n),…,Y_(i(h))~(n))来估计g,其中h称为光滑参数。研究光滑参数的选择问题。h利用中位数交叉核实方法选择,记为h_n~*.在一定的正则性条件下,给出了h_n^*的上下界估计,估计g_n.h^*(x_ni)的收敛速度和弱一致相合性。文献中同类问题的结果只能得到平均弱相合性。     

交通流非参数回归模型

交通流宏观参数流量、速度和占有率在交通工程和管理中具有非常重要的作用 ,对这三者关系的刻划反映了道路本身特性和交通流的规律。到目前为止 ,基本上采用线性或非线性的参数模型来描述 ,此类模型在应用中具有一定的局限性 ,并交通变量时间序列进行预测 ,数据拟合表明 ,选择适当的核函数或邻近数以及窗宽 ,可以达到比较满意的效果     

关于“一类非参数回归函数估计性质”的注记

《应用数学》第三卷(1990)第四期刊载秦永松同志的“一类非参数回归函数估计的性质”一文,该文定理证明欠周全. 考察文[1]中定理1的证明:关于原文(8)式,即(原文中,上式漏掉因子(h_(n1)h_(n2))~(-1),这可以前后文对照发现).原文关于上式的证明有误.为了证明上式,原文证明了     

一类非周期函数的若干性质

研究了一类非周期函数的若干性质.首先证明了该函数是概周期函数而不是周期函数.然后,通过利用构造数列的方法和加法群的稠密性质,分两种方法分析获得了该函数的下确界,补充和完善了相关文献中的结果.     

非参数回归的强相容问题

在C.J.Stone的文章发表以后,许多学者对之进行了热烈的讨论,提出了许多问题,其中指出,在学术上更有兴趣的关于ΣW_(Ni)Y_i的a.s.收敛性问题还未开展工作。[1]可称之为强相容问题。在对(X,Y)的较一般的约束之下,本文给出了{W_(Ni)…}的强相容解以及它的若干应用。     

非参数回归函数的稳健Bootstrap

在有异常值的数据中,Bootstrap样本可能比原有样本含有更高的“污染”,这会降低所要做的统计推断的有效性.本文讨论在非参数回归N-W估计中,如何利用影响函数得到重新抽样的概率,使用倾斜的Bootstrap方法得到曲线的拟合,从而达到有效地抵制异常值对回归函数影响的目的,数值模拟的结果表明这种处理方式的有效性.     

我国通货膨胀的非参数回归模型

本文首先讨论非参数回归模型的局部核权最小二乘估计 ,然后建立我国通货膨胀非参数回归模型 ,最后研究了反映出口与通货膨胀关系的弹性系数     

半参数回归模型研究的若干进展

本文综述了近年来国内外统计学者在半参数回归模型方面研究的若干结果，这包括最近获得的一些深刻结论。     

非参数回归函数的kn近邻估计的渐近性质及其Bootstrap逼近

本文研究回归函数的kn-近邻估计的渐近性质,得到了回归函数的kn－近邻估计的渐近正态性和它的Bootstrap统计量的相合性,在高阶矩存在的条件下,我们证明了回归函数的kn-近邻估计的Bootstrap逼近比正态逼近更精确。     

基于NOD误差的非参数回归模型估计的渐近性质（英文）

In this paper, by using some inequalities of negatively orthant dependent(NOD,in short) random variables and the truncated method of random variables, we investigate the nonparametric regression model. The complete consistency result for the estimator of g(x) is presented.     

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。     

形状约束条件下Bayes非参数回归

本文给出形状约束条件下非参数回归模型的Bayes估计方法.利用Markov链Monte Carlo方法对模型进行拟合.具体地,用形状约束Bernstein多项式近似非参数函数,把截断正态分布作为Bernstein多项式系数的先验分布来保证函数估计满足指定的形状约束.最后通过模拟比较和实例分析来展现形状约束Bayes估计的小样本性质.     

人口增长率的非参数自回归预测模型

针对传统的人口增长预测模型不能理想地捕获我国人口增长率数据的非线性性特征,本文基于局部线性非参数估计理论,对我国建国以来的年人口增长率建立了非参数自回归NAR(1)模型,并对2000-2003年的年人口增长率进行了预测,计算结果表明,相对于参数自回归模型而言,非参数自回归模型能够很好地解决人口增长预测这一非线性问题,预测精度较高。     

两参数分数Levy-Wiener过程的若干性质

§ 1　ＩｎｔｒｏｄｕｃｔｉｏｎａｎｄｒｅｓｕｌｔｓＡＰｒｏｃｅｓｓ {Ｗ (ｓ,ｔ)∶(ｓ ,ｔ)∈Ｒ2 +}ｉｓｃａｌｌｅｄａｔｗｏ ｐａｒａｍｅｔｅｒｆｒａｃｔｉｏｎａｌＬｅｖｙ Ｗｉｅｎｅｒｐｒｏ ｃｅｓｓ[1,2 ] ｏｆｏｒｄｅｒαｗｉｔｈ 0 <α <1 ,Ｉｆ {Ｗ (ｓ,ｔ)∶(ｓ ,ｔ)∈Ｒ2 +}ｉｓａｎａｌｍｏｓｔｓｕｒｅｌｙｃｏｎｔｉｎｕｏｕｓ ,ｒｅａｌ ｖａｌｕｅｄＧａｕｓｓｉａｎｐｒｏｃｅｓｓｏｎ (Ω ,Ｒ ,ｐ)ｗｉｔｈｍｅａｎｚｅｒｏ ,Ｗ ( 0 ,0 ) =0ａｎｄｓｔａｔｉｏｎａｒｙｉｎｃｒｅ ｍｅｎｔｓＥ{Ｗ (ｓ1,ｔ1) -Ｗ …     

截断回归模型参数的非参数最小二乘估计

本文考虑截断回归模型,给出了基于截断数据估计回归参数的一种新方法,此处并不设定残差分布.我们使用早先的关于误差分布非参数估计的结果,在某些正则条件下建立了估计量的相合性.并给出实例说明我们的结果是Heckman(1979)-项工作的本质改进.