随机删失半参数回归模型中估计的渐近性质

设Y是表示生存时间并遵从下面半参数模型Y=Xβ+g(T)+ε的随机变量,(X,T)是取值于R×[0,1]上的随机变量,β是未知参数,g(·)是[0,1]上的未知回归函数,ε是随机误差。当Y因受某种随机干扰而被随机右删失时,就删失分布未知的情形分别定义了β与g(·)的估计^{^}β_n与^{^}g_n(·),在一定条件下证明了^{^}β_n的渐近正态性,并得到了^{^}g_n(·)的最优收敛速度。     

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.     

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．     

污染数据半参数回归模型估计的渐近正态性

考虑半参数回归模型：ｙｉ＝ ｘｉβ＋ ｇ（ｔｉ）＋ ｅｉ,ｉ＝ １,２,…,ｎ．其中 Ｅｅｉ＝ ０, Ｅｅ２ｉ＝ σ２１ ＞ ０．假定ｙ１,ｙ２,…,ｙｎ 受到另一独立同分布随机变量序列 μ１,μ２,…,μｎ 的污染,｛μｉ｝与｛ｙｉ｝独立,且仅能观察到污染数据．文［１］对由污染数据作出的参数 β的估计 βｎ,证明了它的强相合性,而本文则证明了它的渐近正态性     

污染数据半参数回归模型估计的渐近正态性

考虑半参数回归模型：yi=xiβ g(ti) e1,i=1,2,…,n,其中Ee1=0,Ee^2/1=δ2/1>0．假定y1,y2,…,y0受到另一独立同分布随机变量序列μ1,μ2,…,μn的污染,{μi}与{y1}独立,且仅能观察到污染数据.[ι]对由污染数据作出的参数β的估计βn,证明了它的强相合性．而本则证明了它的渐近正态性．     

随机删失下半参数回归模型的估计理论

本文研究了随机右删失情形下半参数回归模型中未知参数的估计问题,证明了它们的渐近正态性．文中结果是完全数据情形下相应结果的推广和改进     

随机删失半参数回归模型小波估计的渐近性质

考虑半参数回归模型Y_i=X_iβ g(T_i) e_i,i=1,2,…,n,β∈R为未知回归参数,g(·)为[0,1]上的未知Borel函数。在完全和右删失数据下,本文利用小波光滑方法并综合最小二乘法,就删失分布已知和未知的情形分别定义了β,g(T)的小波估计(?),(?)(T),在一定条件下,证明了(?)的渐近正态性,同时得到了(?)(T)的最优收敛速度。     

随机删失数据非线性回归模型的最小一乘估计

研究了随机删失数据非线性回归模型的最小一乘(LAD)估计问题, 证明了LAD估计量的渐近性质, 包括相合性、依概率有界性和渐近正态性等. 模拟结果显示对删失数据回归问题, LAD估计仍比最小二乘估计(LSE)稳健.     

误差为MA(∞)序列的半参数回归模型小波估计的渐近正态性

用小波估计研究误差为MA(∞)序列的半参数回归模型,在比较弱的条件下得到了自协方差函数及自相关函数估计量的渐近正态性,并且用小波估计法建立了英国烈酒消费模型,说明了该法的有效性.     

非参数回归函数估计的渐近正态性

本文研究了独立或相依样本时非参数回归函数的Ｎａｄａｒａｙａ-Ｗａｔｓｏｎ估计，在简洁合理的条件下，证明了估计量的渐近正态性．获得的结论可在时间序列分析中得到应用．     

一类纵向数据半参数模型估计的收敛速度

本文研究了一类纵向数据半参数模型参数和回归函数的估计问题.利用最小二乘法和一般的非参数权函数方法,获得了参数估计量的强收敛速度和回归函数估计量的一致收敛速度,推广了文献[4]的相应结果.     

左截断右删失数据下半参数模型风险率函数估计

文章给出了右删失左截断数据半参数模型下的风险率函数估计,讨论了风险率函数估计的渐近性质,获得了这些估计的渐近正态性,对数律和重对数律.由于假定删失机制服从半参数模型下,从而知道模型的更多信息,因此对于给出参数的极大似然估计,可以改进风险率函数估计的渐近性质.也就是说,删失数据模型具有半参数的辅助信息下, 风险率函数估计的渐近方差比通常的完全非参数的估计的渐近方差更小.这说明加入了额外的信息提高了风险率函数估计的效率.     

ESTIMATORS AND SOME BEHAVIORS FOR A PARTIALLY LINEAR MODEL WITH CENSORED DATA

1991MRSubjectClassification62G05,62E20,62J991IntroductionInrecelltyearstherehasbeedagreatdealofinterestilltheallalysisofpal.tiallylilleal*model.Speckman[']proposedaluethodofkernelsmoothingandthepartialregressionestinlator.ChenandShiau[2]showedthatatwo-stagesplinesmoothingmethodanddiscussedthelarge-samplebehavioroftwoefficientestimatorsforthepararl--letriccorxlponentofapartiallylineal.model.Inthispaper,weconsidertheestimationofpartiallylinearlliodelwith,f..sorilig.Anappealingnonparallletric…     

ASYMPTOTIC PROPERTIES OF ESTIMATORS IN PARTIALLY LINEAR SINGLE-INDEX MODEL FOR LONGITUDINAL DATA

In this article, a partially linear single-index model /or longitudinal data is investigated. The generalized penalized spline least squares estimates of the unknown parameters are suggested. All parameters can be estimated simultaneously by the proposed method while the feature of longitudinal data is considered. The existence, strong consistency and asymptotic normality of the estimators are proved under suitable conditions. A simulation study is conducted to investigate the finite sample performance of the proposed method. Our approach can also be used to study the pure single-index model for longitudinal data.     

弱相依半参数回归模型的加权小波估计的渐近正态性

本文研究了半参数回归模型y_i=X'_iβ+g(t_i)+e_i,i=1,2,···,n,其中{e_i}为ψ-弱相依随机误差序列.利用小波估计的方法得到了参数、非参数的加权小波估计量.在相当一般的条件下,获得了这些小波估计量的渐近正态性,不仅推广了半参数回归模型的相应结果,而且在一定程度上统一了相依半参数回归模型的渐近正态性的理论.     

半参数回归模型小波估计的弱收敛速度

本文研究了误差为鞅差序列情形下的半参数回归模型.利用小波方法,在相当一般的条件下,得到了参数、非参数估计量的弱收敛速度.     

半参数回归模型的渐近有效L-估计

对半参数回归模型yi=χiTβ+g(χi)+ei,i=1,2,…,n,对非参数函数g(·)采用核估计的方法,构造了参数向量β的L-估计量λn,在一些正则条件下,获得了λn的渐近正态性和非参数函数g(·)的估计量gn(t)的最优收敛速度可达到O(n-(1/3)),并且给出了标准化L估计量λn的渐近分布的Berry-Esseen界.     

BAHADUR ASYMPTOTIC EFFICIENCY IN A SEMIPARAMETRIC REGRESSION MODEL

ＢＡＨＡＤＵＲＡＳＹＭＰＴＯＴＩＣＥＦＦＩＣＩＥＮＣＹＩＮＡＳＥＭＩＰＡＲＡＭＥＴＲＩＣＲＥＧＲＥＳＳＩＯＮＭＯＤＥＬ￥ＬＩＡＮＧＨＵＡ；ＣＨＥＮＧＰＩＮＧＡｂｓｔｒａｃｔ：ＴｈｅａｕｔｈｏｒＳｇｉｖｅＭＬＥθ１ＭＬｏｆθ１ｉｎｔｈｅｍｏｄｅｌＹ＝θ...     

核实数据下非线性半参数EV模型的估计

本文研究了核实数据下的协变量带有测量误差的非线性半参数EV模型.在不假定测量误差结构的情形下,利用最小二乘方法和核光滑技术,构造了非线性函数中未知参数的两种估计,证明了未知参数估计的渐近正态性.通过数值模拟说明所提估计方法在有限样本下的有效性.     

一个半参数模型渐近有效估计的构造

对半参数回归模型Ｙ＝ＸＴβ十ｇ（Ｔ）＋ε，分别在ε的密度函数已知、未知的情况下，构造出了β的渐近有效估计．