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.     

有重复观测时变系数线性结构关系EV模型的参数估计

利用重复观测数据和加权方法给出了有重复观测时变系数一维线性结构关系EV模型中的参数估计,证明了估计的弱相合性和强相合性．     

纵向数据下部分线性EV模型的渐近性质

研究了纵向数据下部分线性EV函数关系模型.应用一般非参数权函数法和广义最小二乘法给出了未知参数β,误差方差σ2以及未知函数g(·)的估计.在一般的条件下,证明了β,σ2估计的渐近正态性,同时也给出了未知函数g(·)估计的收敛速度,其结果是独立数据情形下相应结果的推广.     

有重复观测的变系数EV模型的参数估计

构造了有重复观测的变系数EV模型中的诸多参数估计,包括系数函数、测量误差方差以及测量误差与回归误差的协方差等估计,去除了有关测量误差方差已知或可靠比已知的假定.在一些较弱的条件下,证明了所有的这些估计都是强相合的,同时获得了系数函数估计的渐近正态性以及收敛速度.     

有重复观测时EV模型修正极大似然估计的相合性

研究了在一些实验点有重复观测时一维线性EV模型的参数估计问题 .在适当的条件下证明了估计的强弱相合性     

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。     

EV多项式模型的估计

给出在一些试验点有重复观测时EV多项式模型系数的估计. 在一般条件下证明了估计是强相合的.     

有重复观测时二次EV模型参数的强相合性

给出了在一些实验点重复观测时二次EV模型参数的估计，在一般条件下证明了估计是强相合的。     

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。     

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。     

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.     

强相依数据的函数系数部分线性模型的估计

本文讨论在数据是强相依的情况下函数系数部分线性模型的估计．首先,采用局部线性方法,给出该模型函数项函数的估计;然后,使用两阶段方法给出系数函数的估计．并且讨论了函数项函数估计的渐近正态性,以及系数函数估计的弱相合性和渐近正态性.模拟研究显示,这些估计是较为理想的．     

误差为线性过程时回归模型的估计问题

对一类非线性回归模型及线性模型，在误差是一个弱平稳线性过程及适当的条件下，获得了估计量的r-阶平均相合性、完全相合性和渐近正态性。     

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．     

半参数EV模型参数的二阶段估计

本文综合核函数法 ,最小二乘法 ,利用二阶段估计的方法求出了 EV模型中参数的估计量 ,并研究了它的强相合性以及渐近正态性 .     

变系数线性结构关系EV模型的参数估计

利用加权正交回归最小二乘法给出了变系数一维线性结构关系EV模型中的参数 估计,证明了估计的弱相合性和强相合性.     

缺失数据下EV模型的调整最小二乘估计

该文考虑协变量缺失时的多元线性EV模型参数的估计, 其中协变量的缺失机制是Rubin(1976)提出的随机缺失(MAR). 利用加权调整最小二乘方法给出参数估计, 证明了估计的相合性和渐近正态性. 数值模拟结果表明所给的估计性态良好.     

基于网点观测的变量不全含误差的部分线性函数关系模型

对一类基于网点观测的部分线性变量含误差模型进行了研究,解释变量为(xτ,μτ,t)τ,其中x带有观测误差,而μ,t不含误差为真实值,文中用最小二乘原理给出了未知参数的估计,并利用一阶样条方法给出了未知函数的估计.在较弱的条件下证明了估计量的强相合性,给出了a.s.收敛速度.     

部分线性函数-结构关系模型的估计

本文研究解释变量为(x,T)的部分线性变量含误差模型,其中x为固定变量,T为随机变量.文中导出了未知参数的两阶段估计,证明了估计的强相合性,并且还证明了未知函数的核估计量是强一致相合的.