线性模型误差方差估计的精确极限性质

本文讨论线性模型Yi=Xi'β+ei,i=1,2,…,n,其中{ei,i=1,2,…,n}为零均值方差有限的独立同分布随机变量序列,分别证明了模型的误差方差估计的LLN和LIL精确极限性质.     

线性模型误差方差估计的精确极限性质

本文讨论线性模型Yi=Xi1β ei,i=1,2,…,n,其中{ei,i=1,2,…,n)为零均值方差有限 的独立同分布随机变量序列,分别证明了模型的误差方差估计的LLN和LIL精确极限性质.     

BERRY-ESSEEN BOUNDS OF ERROR VARIANCE ESTIMATION IN PARTLY LINEAR MODELS

§1.ＩｎｔｒｏｄｕｃｔｉｏｎＣｏｎｓｉｄｅｒｔｈｅｍｏｄｅｌｇｉｖｅｎｂｙＹｉ=ｘｉτβ ｇ(ｔｉ) εｉ,ｉ=1,…,(1.1)ｗｈｅｒｅｘｉ=(ｘｉ1,…,ｘｉｐ)τ(ｐ1)ａｎｄｔｉ(ｔｉ∈[0,1])ａｒｅｋｎｏｗｎｄｅｓｉｇｎｐｏｉｎｔｓ,β=(β1,…,βｐ)τｉｓａｎｕｎｋｎｏｗｎｐａｒａｍｅｔｅｒｖｅｃｔｏｒａｎｄｇｉｓａｎｕｎｋｎｏｗｎｆｕｎｃｔｉｏｎ,ａｎｄεｉａｒｅｉ.ｉ.ｄ.ｒａｎｄｏｍｅｒｒｏｒｓｗｉｔｈｚｅｒｏ0ａｎｄｖａｒｉａｎｃｅσ2.Ｔｈｅｍｏｄｅｌｄｅｆｉｎｅｄｉｎ(1.1)ｂｅｌｏｎｇｓｔｏｔｈｅｃｌａｓｓ…     

THE RATES OF CONVERGENCE OF M-ESTIMATORS FOR PARTLY LINEAR MODELS IN DEPENDENT CASES

51.IntroductionAnembeddingofacoveringmaporaprincipalG-bundleT:E- Xintoavectorbundlep:V→XisamapH:E-VwhichmapsEhomeomorphicallyontoitsimageH(E)inVsuchthatpoH=7.In[6l,HansenprovedthatanyfinitecoveringmapoveraCW-complexcanbeembeddedintothetrivialrealm-planebundleifdimX5m 1.Embeddingfinite..covringmapsintoarbitraryvectorbundleswasconsideredbyDuval1andHuschl3].Suchanembeddingproblemwasalsodiscussedin[4,5,6,7,8,11,12]and[13].Inthisnote,thefirstpoilltistostudyingreaterdepththeembeddingproble…     

线性模型误差方差学生氏估计的Berry-Esseen不等式

设σ2是线性模型中未知的误差方差,σ2n是σ2的基于残差平方和的学生氏估计.本文对σ-2n建立了理想的Berry-Esseen界.     

线性模型误差方差学生氏估计的Berry-Esseen不等式

设σ２是线性模型中未知的误差方差,σｎ２是σ２的基于残差平方和的学生氏估计．本文对σｎ２建立了理想的Ｂｅｒｒｙ－Ｅｓｓｅｅｎ界．     

再论线性模型中误差方差的二次型估计的可容许性

设有线性模型Y=(y_1,…,y_n)′=Xβ ε=X(β_1,…,β_p)′ (ε_1,…,ε_n)′,(1.1)这里 X 为已知的,n×p 矩阵,n≥p,ε_1,…,ε_n 相互独立,E(ε_i)=0,E(ε_i~2)=σ~2,E(ε_i~3)=0,E(ε_i~4)=3σ~4,i=1,…,n.β∈R~p,0<σ~2<∞均为未知参数.欲估计σ~2,     

线性模型中误差为相依情形下误差方差估计的Berry—Esseen界限

本文主要讨论了线性模型中误差为α－混合强一稳序列情形下，误差方差估计的Ｂｅｒｒｙ－Ｅｓｓｅｅｎ界限，其阶为ｎ＾－１／２＋λ。     

STRONG CONVERGENCE RATES OF SEVERAL ESTIMATORS IN SEMIPARAMETRIC VARYING-COEFFICIENT PARTIALLY LINEAR MODELS

This article is concerned with the estimating problem of semiparametric varyingcoefficient partially linear regression models. By combining the local polynomial and least squares procedures Fan and Huang （2005） proposed a profile least squares estimator for the parametric component and established its asymptotic normality. We further show that the profile least squares estimator can achieve the law of iterated logarithm. Moreover, we study the estimators of the functions characterizing the non-linear part as well as the error variance. The strong convergence rate and the law of iterated logarithm are derived for them, respectively.     

线性模型M估计分布的Bootstrap逼近的强收敛

本文讨论标准线性模型M估计分布的随机加权逼近，建立了随机加权M估计的线性表示及Bootstrap强逼近，同时还得到了逼近的一致强收敛速度，其主要部分的阶在Berry－Esseen意义下已达最优．     

具有ARCH误差的回归模型参数估计的收敛速度

西方讨论了具有ＡＲＣＨ误差的回归模型参数估计的收敛速度。     

刻度指数族参数的经验Bayes估计的收敛速度

本文对刻度指数族在加权平方损失下获得了参数的Bayes估计,并构造了相应的经验Bayes（EB）估计,证明了所提出的EB估计是渐近最优的且有收敛速度,其中1/2≤λ<1,s≥3是一给定的整数.最后,给出了刻度指数族EB估计的两个应用.     

刻度指数族参数的经验Bayes估计的收敛速度

本文对刻度指数族在加权平方损失下获得了参数的Bayes估计,并构造了相应的经验Bayes(EB)估计,证明了所提出的EB估计是渐近最优的且有收敛速度(),其中1/2＜λ＜1,s≥3是一给定的整数.最后,给出了刻度指数族EB估计的两个应用.     

误差服从多元t分布的一类线性模型下参数估计的若干注记

研究一类线性模型下参数估计的若干问题．这类模型包含了多个因变量线性模型、增长曲线模型、扩充的增长曲线模型、似乎不相关回归方程组、方差分量模型等常用模型．在这类线性模型下,证明了当误差服从多元t分布时与误差服从多元正态分布时,具有相同的完全统计量和无偏估计,且在后一种情况下的充分统计量必为前一种情况下的充分统计量．对于带有多种协方差结构的前述几种模型,把在误差服从多元正态分布下,相应的协方差阵及有关参数的一致最小风险无偏(UMRU)估计存在性的结论推广到了相应的误差服从多元t分布情形．此外,对于误差服从多元t分布的这类统一的线性模型,给出了回归系数的线性可估函数的无偏估计的协方差阵的C-R下界．     

线性过程的收敛速度

设X_t=sum from j=0 to ∞ c_jε_(t-j)是一个线性过程,当{ε_t}是一个局部广义高斯随机序列时,我们获得了X_t的重对数收敛速度。     

一类线性模型中参数的平衡LS估计的性质

对于线性回归模型中平衡LS估计这一类含参数t和参数矩阵L的估计,进一步讨论了t和L的取值对平衡LS估计优良性的影响,得到了平衡LS估计在某些准则下优于OLS估计的条件.     

ESTIMATION FOR THE AYMPTOTIC VARIANCE OF PARAMETRIC ESTIMATES IN PARTIAL LINEAR MODEL WITH CENSORED

ＥＳＴＩＭＡＴＩＯＮＦＯＲＴＨＥＡＹＭＰＴＯＴＩＣＶＡＲＩＡＮＣＥＯＦＰＡＲＡＭＥＴＲＩＣＥＳＴＩＭＡＴＥＳＩＮＰＡＲＴＩＡＬＬＩＮＥＡＲＭＯＤＥＬＷＩＴＨＣＥＮＳＯＲＥＤＤＡＴＡ￥ＱｉｎＧｅｎｇｓｈｅｎｇ（秦更生）ＣａｉＬｅｉ（蔡雷）（Ｄｅｐｔ．ｏ...     

中子输运方程DSN方法的稳定性、收敛性和误差估计

中子输运方程的离散s_N方法(以下简称DSN方法)有显式递推求解方便,程序逻辑简单,存储量节省而又能保证一定精确度等优点,应用甚多,是解一维和多维中子输运方程的一种有效方法. 197l年,P.Lascaux和P.A.Raviart在[1]中,用能量法证明了标准方程     

增长曲线模型中参数估计的一个注记

对于具有序列协方差结构的正态增长曲线模型，证明了在一定条件下不存在方差的一致最小无偏估计。给出了在任意凸损失下存在回归系数矩阵的任何线性可估函数的一致最小风险无偏估计的另一个充要条件。     

一类线性模型中Bayes估计的优良性

本文研究了一类线性模型中参数的Bayes线性无偏估计的优良性.利用矩阵论的相关知识,分别在平衡损失准则和均方误差阵准则下,得到了Bayes线性无偏估计优于广义最小二乘估计的条件.