基于伴随次序统计量的回归函数核估计的矩相合性

回归函数的核估计的大样本性质,多年来一直受到众多学者的关注,且早期的回归函数的核估计均是基于原样本{(Xi, Yi), i≥1},本文基于二维随机样本{(Xi, Yi), i≥1}的伴随次序统计量Y[r,n],定义了回归函数的核估计,在一定条件下,获得了回归函数核估计的r阶矩相合性,推广了已有文献中的部分结果.     

方向数据回归函数核估计平均偏差的指数界

本文讨论方向数据回归函数核估计的平均偏差，在关于应变量、核函数及窗宽的温和假定下得到了 这类估计的平均偏差的指数界．     

分布自由的回归函数近邻核估计的相合性

本文获得了基于混合，α－混合样本的回归函数核估计，随机窗宽核估计，近邻核估计的强相合性，积分绝对误差的强相合性与平均相合性，所得结果对所有ｘ的分布μ均成立，其中核函数的支撑可以无界，甚至可以是不可积的。     

强相关数据回归函数的小波估计

讨论了在强相关数据情形下对回归函数的小波估计,并且给出了估计量的均方误差的一个渐近展开表示式． 对研究估计量的优劣,所推导的近似表示式显得非常重要．对一般的回归函数核估计,如果回归函数不是充分光滑,这个均方误差表示式并不成立A·D2但对小波估计,即使回归函数间断连续,这个均方误差表示式仍然成立．因此,小波估计的收敛速度要比核估计来得快,从而小波估计在某种程度上改进了现有的核估计．     

完全与截尾样本时回归函数的核估计

本文得到了完全与截尾样本时回归函数核估计的强相合性．接着，构造了截尾样本的改良核估计，在Ｅ｜Ｙ｜＜∞下，得到了其强相合性．     

一类非参数回归模型核估计的渐近性质

研究一类新的非参数回归模型回归函数的核估计问题,其中误差项为一阶非参数自回归方程.通过重复利用Watson-Nadaraya核估计方法,构造了回归函数及误差回归函数的估计量分别为m(.)和ρ(.),在适当的条件下,证明了估计量m(.)和ρ(.)的渐近正态性.     

回归函数的混合型递归核估计的强相合性

本文讨论了把最小二乘估计和一类递归核估计结合起来所得回归函数的混合型递归核估计的强相合性.     

连续时间下非参数回归模型的误差密度估计

本文研究连续时间下非参数回归的误差密度估计问题，给出误差密度的一个核估计量，利用回归函数的核估计在紧区间上一致均收敛的结论证明了该统计量渐近无偏差，均方相合法，并说明了该核估计中窗宽选取的办法。     

方向数据回归函数核估计平均偏差的指数界

本文讨论方向数据回归函数核估计的平均偏差,在关于应变量,核函数及窗宽的温和假定下得到了这类估计的平均偏差的指数界.     

二类跳跃回归函数的强相合估计

本文将研究二类跳跃回归函数的估计问题。对于跳跃点个数已知、跳跃点位置未知、跃度已知或未知这二类跳跃回归函数,本文提出了核差估计的思想,并在较弱的条件下证明了该估计是a.s.和L~2相合的。本文的核差估计适合于多个跳跃点存在的情形,它与已有的跳跃回归函数的一些估计方法相比,具有思想直观、统计性质好、估计方法灵活等特点。     

截尾样本下回归函数加权核估计的一些收敛性质

本文分别在截尾分布函数已知和未知两种情况下，构造了基于截尾样本的非参数固定设计模型回归函数的加权核估计，并研究了它们的一些收敛性质．     

混合序列矩不等式和非参数估计

对p-混合、(?)-混合序列给出两个矩不等式,它们在加权和序列研究中比邵启满在[6]、[7]中给出的矩不等式更实用.作为应用,这里讨论非参数递归密度核估计的强收敛速度和非参数回归函数加权核估计的强相合性,获得较好结论.     

Mean Integrated Squared Error of Nonlinear Wavelet-based Estimators with Long Memory Data

We consider the nonparametric regression model with long memory data that are not necessarily Gaussian and provide an asymptotic expansion for the mean integrated squared error (MISE) of nonlinear wavelet-based mean regression function estimators. We show this MISE expansion, when the underlying mean regression function is only piecewise smooth, is the same as analogous expansion for the kernel estimators. However, for the kernel estimators, this MISE expansion generally fails if an additional smoothness assumption is absent. Research supported in part by the NSF grant DMS-0103939.     

基于相依函数型数据非参数回归函数的稳健核估计

本文研究了基于相依函数型数据非参数回归函数的核估计.利用稳健的方法,在一定条件下获得了与i.i.d.场合下类似的估计量的几乎完全收敛速度,推广了现有文献中的相关结论.     

固定设计下非参数回归模型估计的渐近性质

考虑固定设计下具有非参数AR(1)的非参数回归模型,综合最小二乘和非参数核估计法,定义了非参数函数的估计量,在适当的条件下,研究了它们的渐近性质.     

截尾数据非参数回归函数加权核估计

在截尾数据下研究非参数回归函数加权核估计的相合性,对强相合性给出一些较弱的充分条件,这些结论较大程度地改进了现有的结论．     

一类线性回归模型中核估计的渐近性质

考虑固定设计下具有一阶非参数自回归误差的线性模型,构造了参数和非参数函数的N-W核估计,在适当的条件下,证明了参数估计的强相合性,同时给出了非参数函数估计的渐近正态性.     

Robust Nonparametric Function Estimation for Errors-in-variables Models

This paper discusses robust nonparametric estimators of location regression function for errorsin-variables model with de-convolution kernel.The local constant smoother is used for the estimation of the nonparametric function,and the local linear smoother is proposed to deal with the boundary problem,as well as to improve the local constant smoother.We establish the asymptotic properties of the estimator,the influence function of the statistical functional and the breakdown point.A simulation study is carried out to demonstrate robust performance of the proposed estimator.The motorcycle data is presented to illustrate the application of the robust estimator further.     

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.