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.     

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。     

随机删失下极大似然估计的局部渐近正态与渐近极小极大有效

研究观察数据被随机右删失时 ,参数分布族的局部渐近正态与渐近极小极大有效 .建立局部渐近正态成立的充分条件 ,给出渐近极小极大风险的下界以及达到该下界的充分必要条件 ,并证明随机删失下参数极大似然估计的渐近极小极大有效.     

随机删失下半参数估计的强相合性

主要讨论了随机删失下的部分线性模型,利用基于分布函数的核估计和最小二乘法,给出了删失情况下参数和非参数部分的估计,并证明了它们的强相合性.     

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.     

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     

广义线性模型极大似然估计的强相合性与渐近正态性

本文研究了若干重要类型的离散响应变量广义线性模型,在sum from i=1 to n ZiZi'的最小特征根大于cnα(对某个c>0,α>0)等条件下证明了回归参数向量的极大似然估计的强相合性与渐近正态性,其中设计阵序列{||Zn||}可以为无界序列.     

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．     

随机删失数据下几种风险率函数估计的渐近性质

文中对于删失数据下几种不同的风险率函数估计进行了研究。使用与以往不同的方法，在较弱的条件下，改进并扩充了现有文献的结果，获得了这几种风险率函数估计的渐近正态性，一致强弱相合收敛速度以及重对数律且进行了数值模拟。     

随机截断下部分线性模型中参数估计的渐近性质

考虑部分线性回归模型Yi＝xiβ g(ti) σiej,i＝1，2，…，n其中σi^2＝／f(ui)．当Yi因受某种随机干扰而被右截断时，就截断分布巳知的情形，利用所获得的截断观察数据构造了β，g，f的估计量β^～n，g^～n，f^～n，并在一定条件下，证明了β^～n的渐近正态性，同时得到了g^～n，f^～n的最优收敛速度。     

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。     

相协样本半参数回归模型估计的强相合性

考虑半参数回归模型Y^(j)(xin,lin)=tinβ g(xin) e^(j)(xin)，1≤j≤m，1≤i≤n,利用最小二乘法和权函数估计方法，定义β，g的估计量βm,n和gm,n(x)，在负相依样本及较弱的条件下证明了这些估计的强相合性，得到了与独立情形一致的结论．     

随机删失下光滑的Bahadur—Kiefer过程的渐近分布

本文在随机删失数据下讨论了由核光滑的ＰＬ过程和它的分位点过程所构成的Ｂａ－ｈａｄｕｒ－Ｋｉｅｆｅｒ过程的渐近分布，证明了在不同的窗宽选择下，所得到的渐近分布可以完全不同，并由此得出了它的所有可能渐近分布。     

Asymptotic Properties of Self-Consistent Estimators with Mixed Interval-Censored Data

Mixed interval-censored (MIC) data consist of n intervals with endpoints L _i and R _i , i = 1, ..., n. At least one of them is a singleton set and one is a finite non-singleton interval. The survival time X _i is only known to lie between L _i and R _i , i = 1, 2, ..., n. Peto (1973, Applied Statistics, 22, 86–91) and Turnbull (1976, J. Roy. Statist. Soc. Ser. B, 38, 290–295) obtained, respectively, the generalized MLE (GMLE) and the self-consistent estimator (SCE) of the distribution function of X with MIC data. In this paper, we introduce a model for MIC data and establish strong consistency, asymptotic normality and asymptotic efficiency of the SCE and GMLE with MIC data under this model with mild conditions.     

强混合样本下最近邻密度估计的渐近正态性

研究了α-混合样本下最近邻密度估计的渐近性质,证明了估计的渐近正态性并且给出了其渐近方差的显式表达式,由此构造了α-混合样本下概率密度的渐近置信区间.     

完全与截尾样本时半参数回归模型估计的强相合性

对于固定设计下的半参数回归模型：ｙ_ｉ=ｘｉβ＋ｇ（ｔｉ）＋ｅｉ,ｉ＝１,…,ｎ．其中｛ｅｉ｝为独立随机误差序列（不必同分布）,且Ｅｅｉ＝０,Ｅｅｉ２＝σ_ｉ~２＞０．对完全和截尾样本,仿文献［２］给出了β、ｇ（·）的估计量,并证明了他们的强相合性．     

纵向数据下混合效应EV模型中参数估计的渐近性质

考虑纵向数据下混合效应EV模型。对带有惩罚项的Profile广义最小二乘方法进行了修正。利用矩估计法和ML-based EM算法给出了固定效应,随机效应以及协方差阵的估计。在一般的条件下,给出了固定效应估计的强相合性和渐近正态性,并对所提出的各种估计进行了模拟研究。模拟效果不错。     

误差为NOD线性模型参数M估计的强相合性

研究了随机误差为NOD序列的线性模型中回归参数β_0的M估计,在较弱的矩条件下证明了回归参数M估计的强相合性,推广和改进了陈和赵(1996),杨(2002)和Wu(2006)等的结果,推广了肖(2007)等的结果.     

部分线性模型中估计的强相合性

考虑回归模型：ｙｉ＝ｘｉβ＋ｇ（ｔｉ）＋σｉｅｉ，１ｉｎ，其中σ２ｉ＝ｆ（ｕｉ），（ｘｉ，ｔｉ，ｕｉ）是固定非随机设计点列，ｆ（·）和ｇ（·）是未知函数，β是待估参数，ｅｉ是随机误差．对文［１］给出的基于ｇ（·）及ｆ（·）的一类非参数估计的β的最小二乘估计＾βｎ和加权最小二乘估计βｎ，我们在适当条件下证明了它们的强相合性．