带自适应设计的拟似然非线性模型中极大拟似然估计的强相合性

在带自适应设计的拟似然非线性模型中,在响应变量的矩条件尽可能弱和其它正则条件下,证明了以概率为1,当n充分大时,拟似然方程有一个解βn,它收敛于参数真值β0.     

广义线性模型中极大拟似然估计的强相合性

假定在一个具有一般联系函数的广义线性模型中, q×1响应变量y_i是可观测的, p×q协变量Z_i是固定设计的, 以记的最小特征根. 在(对某个α>0), sup_i≥1E||y_i||r <∞(对某个r>1/α)和其他正则条件下, 证明了以概率为1, 当n充分大时, 未知回归参数向量的拟似然方程有一个解, 它收敛于参数真值. 这一结果是对文献中的相应结果的实质性改进.     

广义线性模型中拟极大似然估计的强相合性及收敛速度

在广义线性模型(GLM)因变量有正确表述的假定及其他一些光滑性条件之下, 证明以概率1当样本量n充分大时, 广义线性模型的拟似然方程有一解, 且可求出该解收敛于真值的速度, 在一个重要的特例中, 该速度同于独立同分布随机变量序列部分和的重对数律所确定的速度, 故而不能改进.     

广义线性回归拟似然估计的强相合性

本文研究了广义线性模型y=μ(x'β0)+e中形如∑xi(yi-μ(xiβ))=0的拟似然方程,在一定的条件下证明了当n充分大时此方程以概率1有解βn,得到了βn的强相合性和收敛速度.     

广义线性回归拟似然估计的强相合性

本文研究了广义线性模型g=μ(x'β0)+e中形如的拟似然方程,在一定的条件下证明了当n充分大时此方程以概率1有解βn,得到了βn的强相合性和收敛速度.     

拟似然非线性模型中MQLE的弱相合性的充分条件

拟似然非线性模型包括广义线性模型作为一个特殊情形.给出了拟似然非线性模型中极大拟似然估计的弱相合性的一些充分条件,其中矩的条件要弱于文献中极大拟似然估计的强相合性的条件.     

随机过程极大似然估计的强相合性

本文运用现代鞅论和随机积分作为工具来讨论随机过程参数估计的极大似然方法的强相合性,得到了一些充分条件。本文还推广了P. E. Caines 1975年对有限参数集合情形下的工作。     

广义线性模型中极大拟似然估计的渐近正态性与强相合性

在广义线性模型中,当λn→∞,supi≥1 E||ei||2+α<∞(对某个α>0), 且其他一些正则条件满足时,证明了极大拟似然估计(MQLE)是渐近正态的;进 一步假定 ,证明了MQLE是强相合的,其中λn(λn) 是∑i=1 nZiZiT的最小(最大)特征根,Zi是有界的p×q回归系数,ei=yi-Eyi,yi 是q×1响应变量．也讨论了设计阵Zi是自适应的情形．     

广义线性模型中极大拟似然估计的强收敛速度

在sup_{i ≥1}E||y_i||^2+α < ∞(对某个α > 0)和其它正则条件下, 证明了一般联系函数的多维广义线性模型拟似然估计的强相合性, 并得到了强收敛速度, 其中 y_i 是响应变量. 此结果是对文献中相应结果的改进.     

多维广义线性模型拟极大似然估计的弱相合性

本文考虑多维广义线性模型的拟似然方程$\tsm^n_{i=1}X_i(y_i-\mu(X_i'\xb))=0$, 在一定条件下证明了此方程的解$\wh\xb_n$渐近存在, 并得到了其收敛速度, 即$\wh\xb_n-\xb_0=O_p({\underline{\xl}}_n^{-1/2})$, 其中$\xb_0$为参数$\xb$的真值, $\underline{\xl}_n$是方阵$S_n=\tsm^n_{i=1}X_iX_i'$的最小特征值。     

指数族非线性模型最大似然估计的相合性和渐近正态性

本文我们提出了一些正则条件, 这些条件减弱了Zhu and Wei (1997)文中的条件. 基于所提的正则条件, 我们证明了指数族非线性模型参数最大似然估计的相合性和渐近正态性. 我们的结果可被认为是Zhu and Wei (1997)工作的进一步改进.     

Rate of strong consistency of the maximum quasi-likelihood estimator in quasi-likelihood nonlinear models

Quasi-likelihood nonlinear models （QLNM） include generalized linear models as a special case. Under some regularity conditions, the rate of the strong consistency of the maximum quasi-likelihood estimation （MQLE） is obtained in QLNM. In an important case, this rate is O（n-^1/2（loglogn）^1/2）, which is just the rate of LIL of partial sums for i.i.d variables, and thus cannot be improved anymore.     

线性模型参数M估计的强相合性

本文研究线性模型中回归参数M估计的强相合性,给出一些较弱的充分条件.与相应结论比较,这里给出的条件对矩的要求有实质性的改进.     

Consistency and asymptotic normality of the maximum quasi-likelihood estimator in quasi-likelihood nonlinear models with random regressors

This paper proposes some regularity conditions, which result in the existence, strong consistency and asymptotic normality of maximum quasi-likelihood estimator （MQLE） in quasi-likelihood nonlinear models （QLNM） with random regressors. The asymptotic results of generalized linear models （GLM） with random regressors are generalized to QLNM with random regressors.     

球面数据核近邻估计的强相合性

该文绘出了球面数据密度函数的核近邻估计,通过对核估计与近邻估计相互关系的讨论,建立了核近邻估计的逐点强相合性及一致强相合性．     

广义线性回归极大似然估计的强相合性

设有该文第1节所描述的广义线性回归模型,以$\underline{\lambda}_n$和$\overline{\lambda}_n$分别记$\sum\limits_{i=1}^{n}Z_iZ_i^{\prime}$的最小和最大特征根,$\hat{\beta}_n$记$\beta_0$的极大似然估计.在文献[1]中,当\{$Z_i,i\ge1$\}有界时得到$\hat{\beta}_n$强相合的充分条件,在自然联系和非自然联系下分别为$\underline{\lambda}_n\rightarrow\infty$, $(\overline{\lambda}_n)^{1/2+\delta}=O(\underline{\lambda}_n)$（对某$\delta>0$)以及$\underline{\lambda}_n\rightarrow\infty$, $\overline{\lambda}_n=O(\underline{\lambda}_n)$.作者将后一结果改进为只要求$(\overline{\lambda}_n)^{1/2+\delta}=O(\underline{\lambda}_n)$,从而与自然联系情况下的条件达到一致.     

半参数混合效应模型中的估计及其强相合性

将Tao等(1999)提出的线性混合效应模型推广为半参数混合效应模型,给出了模型参数、回归函数和随机效应密度的估计,并研究了估计的强相合性及部分强相合速度.统计模拟表明我们给出的估计方法是可行的.