变系数线性EV模型参数的调整加权最小二乘估计及其渐近性质

研究当结构关系EV(errors-in-variables)模型的系数随某个实变量变化时,如何估计其系数,以及估计的性质如何．采用调整的加权最小二乘方法估计结构关系EV模型的变系数,证明在比较弱的条件下用这种方法得到的估计具有强相合性和渐近正态性,模拟研究表明所提估计性质良好．     

关于EV线性回归模型中的广义最小二乘估计

本文考虑EV（errors-in-variables）线性模型．在一般的条件下证明了广义最小二乘估计的强收敛和渐近正态性，然后在小样本意义下给出了模拟结果．     

EV模型中广义最小—乘估计的渐近性质

考虑EV模型,定义了广义最小一乘估计β_n,在比较一般的条件下,证明了β_n的强相合性和渐近正态性,并由此给出了误差方差的强相合估计;说明了对不可观测的点列或随机向量{x_i}所施加的条件以及对误差向量所施加的矩条件本质上是不可改进的。     

局部平稳扩散模型中时变参数的加权最小二乘估计

基于离散观测样本,利用局部线性拟合,得到了局部平稳扩散模型中时变漂移参数的加权最小二乘估计,并讨论了估计量的相合性,渐近正态性和一致收敛速度.同时,通过模拟研究说明了估计量的有效性.     

基于最小二乘近似的模型平均方法

本文提出基于最小二乘近似的模型平均方法.该方法可用于线性模型、广义线性模型和分位数回归等各种常用模型.特别地,经典的Mallows模型平均方法是该方法的特例.现存的模型平均文献中,渐近分布的证明一般需要局部误设定假设,所得的极限分布的形式也比较复杂.本文将在不使用局部误设定假设的情形下证明该方法的渐近正态性.另外,本文...     

自变量可重复观测的线性EV模型

研究了仅自变量可以做重复观测的线性EV模型, 构造了模型回归系数的估计, 并在适当条件下证明了估计量的相合性和渐近正态性. 所得结果揭示了与自变量和因变量同步重复观测模型的差异.     

缺失数据下线性EV模型的参数估计

给出EV模型下数据具有随机缺失时,模型参数的一种估计方法,并以一个简单模型为例给出了这种新估计的渐近正态性的具体结果.模拟研究表明,即使在有限样本情形,提出的方法在估计效率上也具有一定优势.     

非参数计量经济联立模型的局部线性两阶段最小二乘估计

联立方程模型在经济政策制定，经济结构分析和经济预测方面起重要作用，本在随机设计（模型中所有变量为随机变量）下，提出了非参数计量经济联立模型的局部线性两阶段最小二乘估计并利用概率论中大数定理和中心极限定理在内点处研究了它的大样本性质，证明了它的一致性和渐近正态性，它在内点处的收敛速度达到了非参数函数估计的最优收敛速度。     

缺失数据下线性模型回归系数估计的大样本性质

在响应变量满足MAR缺失机制下，我们分别研究了基于观察到的完全样本数据对、基于固定补足后的“完全洋本”和基于分数线性回归填补后的“完全洋本”得到的回归系数的最小二乘估计的弱相合性、强相合性及渐近正态性，我们还通过数值模拟，比较了基于上述估计得到的β的置信区间的优劣。     

鞅差误差下线性EV模型最小二乘估计的中偏差

研究了线性EV模型:η_i=θ+βx_i+ε_i,ξ_i=x_i+δ_i,1≤i≤n.当误差(ε_i,δ_i)为鞅差序列情形时,讨论了未知参数β和θ的最小二乘估计的中偏差问题.     

Jackknifing in partially linear regression models with serially correlated errors

In this paper jackknifing technique is examined for functions of the parametric component in a partially linear regression model with serially correlated errors. By deleting partial residuals a jackknife-type estimator is proposed. It is shown that the jackknife-type estimator and the usual semiparametric least-squares estimator (SLSE) are asymptotically equivalent. However, simulation shows that the former has smaller biases than the latter when the sample size is small or moderate. Moreover, since the errors are correlated, both the Tukey type and the delta type jackknife asymptotic variance estimators are not consistent. By introducing cross-product terms, a consistent estimator of the jackknife asymptotic variance is constructed and shown to be robust against heterogeneity of the error variances. In addition, simulation results show that confidence interval estimation based on the proposed jackknife estimator has better coverage probability than that based on the SLSE, even though the latter uses the information of the error structure, while the former does not.