误差为鞅差序列的半参数回归模型估计的相合性

设半参数回归摸型Y^(n)=β·χi(1) g(l1^(n)) 1 ^(n),i=1,2,…．n,本由最小二乘法和一般加权方法定义的β、g(t)的怙计量βn,gn(t)．在误差为鞅差序列下获得了βn gn(f)的r(≥2)阶平均相合性。     

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   

误差为NA序列的半参数回归模型估计的r阶矩相合性

对于半参数回归模型y1=xiβ＋g(ti) ei,i=1,2,…,n,本综合最小二乘法和一般加权方法,定义了β,g(t)的估计量βn,gn(t),在误差为NA序列进,得到了βn,gn(t)的r(r≥2)阶矩相合性。     

误差为NA序列的半参数回归模型估计的r阶矩相合性

对于半参数回归模型 yi=xiβ+g( ti) +ei,i=1 ,2 ,… ,n,本文综合最小二乘法和一般加权方法 ,定义了 β,g( t)的估计量 βn,gn( t) .在误差为 NA序列时 ,得到了 βn,gn( t)的 r ( r≥ 2 )阶矩相合性 .     

混合误差半参数回归模型估计的强相合性

对半参数模型y（n）i＝β（n）xi＋g（t（n）i）＋ε（n）i，i＝1，2，…，n，综合运用最小二来法和非参数估计法，定义了β，g的估计量　，gn，在误差为某些混合序列下，得到了，gn（t）的强相合性及gn（t）的一致强相合性．     

线性过程误差下的非参数回归模型的注记

对于非参数回归模型Yni=g(xni)+εni,1in,用一般非参数方法,定义了未知函数g(.)的估计量gn(x),当误差序列{εni,1in}为一弱平稳线性过程序列时,在一定条件下,获得了估计量gn(x)的一致强相合性.     

-混合误差下回归函数加权核估计的强相合性

设{yi}是固定在点{xi}的观察值,适合模型yi=g(xi) εi.其中g(x)是0,1上的未知函数,{εi}是均值为0的随机误差序列.文献中,在{εi}为独立同分布的条件下,通过构造新的函数gn(x),对g(x)进行了估计.论文将{εi}推广至~ρ-混合误差序列的情形,通过附加适当的条件和精细的计算,获得了用gn(x)估计g(x)的同样结论.     

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.     

相依样本下一种近邻密度估计的相合性

设{ Xn}^∞ n=1是R^1中的平稳过程,具有公共的未知密度函数f(x) ,我们研究基于前n个观测值X1,X2,… Xn的f(x)的一种近邻估计fn(x).本文假定{Xn}^∞ n=1O φ-混合或强混合的,在对混合系数φ(n)趋于零的速度的适当限制下,证明了fn(x)的逐点相合性一致强相合性.并得到了这两种相合性强收敛速度.     

固定设计下半参数回归模型估计的相合性

对于固定设计下的半参数模型yi=x1β g(ti)┬ei=1，2……，n本文综合最小二乘法和一般的非参数权估计方法，定义了β，g的估计量-βn，-gn及误差方差口α^2=Ee^21的估计量-α^2n，并在适当条件下，证明了它们的强相合性与P(≥2)阶平均相合性．     

(~ρ)-混合误差下回归函数加权核估计的强相合性

设{yi}是固定在点{xi}的观察值,适合模型yi=g(xi) εi.其中g(x)是[0,1]上的未知函数,{εi}是均值为0的随机误差序列.文献中,在{εi}为独立同分布的条件下,通过构造新的函数gn(x),对g(x)进行了估计.论文将{εi}推广至(~ρ)-混合误差序列的情形,通过附加适当的条件和精细的计算,获得了用gn(x)估计g(x)的同样结论.     

PA误差下半参数回归模型小波估计的γ-阶矩相合性

对于半参数回归模型yi=xiβ+g(ti)+ei,(1≤i≤n),其中{ei,1≤i≤n}为PA相依误差.在适当的条件下,利用极大部分和的矩不等式方法得到未知回归函数g(x)和未知参数β估计量的r-阶矩相合性.     

PA误差下半参数回归模型小波估计的r-阶矩相合性

对于半参数回归模型y_i=x_iβ+g(t_i)十e_i,(1≤i≤n),其中{e_i,1≤i≤n}为PA相依误差.在适当的条件下,利用极大部分和的矩不等式方法得到未知回归函数g(x)和未知参数β估计量的r-阶矩相合性.     

误差为线性过程时半参数模型的估计

对半参数模型Ynt=β·tni＋g（xni）＋εni,（1≤i≤n）,利用一般权函数并综合最小二乘法,定义了β,g的估计量βn,gn．在误差为线性过程时,获得了βn和gn的r阶矩相合性及gn的渐进正态性．     

NA样本固定设计下半参数回归模型中估计的强相合性

对于半参数回归模型yi=xiβ g(ti) ei，i=1，2,…，n(xi，ti)为已知的固定设计点列．本在误差{e．1≤n≤n)为NA序列时，对g(t)和σ的估计量gn~(t)和σn^2的逐点强相合。以及gn~(t)的一致强相合作了研究，得到比较理想的结果。     

固定设计下回归函数的小波估计

对于非参数回归模型：Y\-i=g(t\-i)+ε\-i,i=1,…,n，其中{t\-i}为固定设计点列,{ε\-i}为α 混合的平稳序列,该文建立了回归函数 g(t) 的小波估计并研究了其相合性、强相合性和收敛速度.     

$NA$ 相依样本部分线性模型估计理论

考虑部分线性模型 ,其中误差为NA相依样本,具有公共未知分布函数G(·),卢为未知参数, g(·)为未知函数.本文首先建立β和g(·)的相合性估计βn和gn(·),然后基于βn和gn(·)构造出G(·)的非参数估计Gn(·),最后在适当条件下,建立了Gn(·)一致强相合于G(·).     

至多一个变点的Γ分布的统计推断及在金融中的应用

对至多一个变点的Γ分布,即X1,X2…,Xn为一列相互独立的随机变量序列,且X1,X2,…,X[n(τ)0]i.i.d～Γ(x;ν1,λ1),X[n(τ)τ0]+1,X[n(τ)0]+2,…,Xn i.i.d～Γ(x;ν2,λ2),其中(τ)0未知,称(τ)0为该序列的变点.在利用第一型极值分布逼近文中提出统计量的分布的基础上,给出了变点(τ)0估计(τ)的相合性及强弱收敛速度.最后给出了在金融序列上的应用.     

一类函数估计在负相协下的强一致相合性

对于半参数回归模型 yi=xiβ +g( ti) +ei,i =1 ,2 ,… ,n,对误差 {ei,1 i n}为 NA序列 ,在适当的条件下证明了未知函数 g( t) 的估计 gn( t) 的强一致相合性 .     

NA样本下半参数回归模型估计的强相合性

考虑固定设计下的半参数回归模型;yi=xiβ g(ti) ei,i=1,2……,n,在{ei}为Eei=0,Ee^2i=σ^2i的NA序列时,得到了一类估计的强相合性。