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.     

非线性E-V回归模型中参数估计的渐近性质

本文讨论了非线性E-V回归模型中参数的估计问题,构造了未知参数β0的最小二乘估计β和误差方差σ2的估计σ2,证明了β具有渐近正态性,同时也证明了σ2依概率收敛于σ2的速度可达到n-1/2.     

非线性E-V回归模型中参数估计的渐近性质

本文讨论了非线性E-V回归模型中参数的估计问题,构造了未知参数β0的最小二乘估计β和误差方差σ2的估计σ2,证明了β具有渐近正态性,同时也证明了σ2依概率收敛于σ2的速度可达到n-1/2.     

纵向数据下半参数回归模型估计的渐近性质

本文考虑纵向数据下半参数回归模型: $y_{ij}=x_{ij}'\beta+g(t_{ij})+e_ij},\;i=1,\cdots,m,\;j=1,\cdots,n_i$. 基于最小二乘法和一般的非参数权函数方法给出了模型中参数$\beta$和回归函数$g(\cdot)$的估计, 并在适当条件下证明了$\beta$估计量的渐近正态性和$g(\cdot)$估计量的最优收敛速度\bd 模拟结果表明我们的估计方法在有限样本情形有良好的效果     

随机截断下部分线性模型中参数估计的渐近性质

考虑部分线性回归模型Yi＝xiβ g(ti) σiej,i＝1，2，…，n其中σi^2＝／f(ui)．当Yi因受某种随机干扰而被右截断时，就截断分布巳知的情形，利用所获得的截断观察数据构造了β，g，f的估计量β^～n，g^～n，f^～n，并在一定条件下，证明了β^～n的渐近正态性，同时得到了g^～n，f^～n的最优收敛速度。     

半参数回归模型L-估计的渐近展开

对妆参数回归模型Ｙ＝x^Tβ＋g（ｔ）＋ε,构造了参数向量β的Ｌ－估计量－／λn,获得了－／λn的渐近正态性及分布的Ｅdgeworth展开,其速度可达到Ｏ(n^-1)。     

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.     

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．     

非线性自回归序列L1估计的渐近分布

由于时间序列数据中经常出现的厚尾特征使得通常的估计方法不再具有渐近的正态分布,在误差项二阶矩有限的条件下考虑了非线性自回归序列的L_1估计.采用局部线性近似的方法得到了具有凸样本路径的随机过程,在此基础上利用凸样本路径随机过程弱收敛的性质证明了非线性自回归序列L_1估计的渐近正态性及无偏性.     

拟单位根过程的渐近性质

West[4],Phillips[3]的关于AR（1）过程的一些有关渐近正态性的结果推广到了拟整过程，所得的结果更具一般性，从而可用来进行单位根据检验及协整检验的功效分析。     

Estimation and Bootstrap with Censored Data in Fixed Design Nonparametric Regression

We study Beran's extension of the Kaplan-Meier estimator for thesituation of right censored observations at fixed covariate values. Thisestimator for the conditional distribution function at a given value of thecovariate involves smoothing with Gasser-Müller weights. We establishan almost sure asymptotic representation which provides a key tool forobtaining central limit results. To avoid complicated estimation ofasymptotic bias and variance parameters, we propose a resampling methodwhich takes the covariate information into account. An asymptoticrepresentation for the bootstrapped estimator is proved and the strongconsistency of the bootstrap approximation to the conditional distributionfunction is obtained.     

Fixed design regression for time series: Asymptotic normality

Consider the fixed regression model with general weights, and suppose that the error random variables are coming from a strictly stationary stochastic process, satisfying the strong mixing condition. The asymptotic normality of the proposed estimate is established under weak conditions. The applicability of the results obtained is demonstrated by way of two existing estimates, the Gasser-Müller estimate and that of Priestley and Chao. The asymptotic normality of these estimates is further illustrated by means of a concrete example from the class of autoregressive processes.     

(L)2样本深度的基本性质

本文讨论由L^2深度修正得到的L^2深度相应的样本深度的性质，得到了样本深度的相合性和渐近正态性，并证明了它在任意紧集上的一致相合性．最后，基于上述性质简要讨论了样本深度等高的一些性质．     

删失数据下半变系数模型估计的渐近正态性

半变系数回归模型是变系数回归模型的有效推广,已获得了广泛的应用. 本文在响应变量随机删失下对其进行讨论,给出常系数和函数系数的估计, 并证明了该估计的渐近正态性.     

强混合序列的矩不等式及其应用

对强混合随机变量序列建立一些矩不等式,并应用这些不等式研究固定设计回归模型的一般加权函数估计的渐近正态性。     

非参数回归函数核估计的Lp收敛速度

在p≥1和适当的条件下，给出了回归函数m(x)＝E（Y|X＝x）的核估计的若干种Lp收敛速度，改进并推广了韦来生（1984）的结果。     

固定设计下一类半参数回归模型的渐近性质

对固定设计下的一类半参数回归模型yi=xiβ+g(xi)+ei,i=1,2,…,n,综合最小二乘和非参数权函数估计方法,定义了,βg的估计量β∧n,gn∧及误差方差σ2的估计量σ2n∧.在适当条件下,证明它们具有强相合性和p(2)阶平均相合性.模拟的结果表明所得结果具有优良的性质.     

NA样本下一般形式的密度估计

Campos和Dorea(2001)在独立同分布样本下讨论了一般形式的核密度估计,得到了与连续型密度和离散型密度类似的结果,并将他们作为特例.本文则在NA样本下给出了类似的结果.