非线性模型中的拟似然估计和约束拟似然估计

该文证明了,在非线性回归模型中,若以均方误差或均方误差矩阵为标准,拟似然估计是正则广义拟似然估计类中的最优估计,并讨论了拟得分函数最优性与拟似然估计最优性的关系.为改进拟似然估计,该文提出了一种约束拟似然估计,并证明了约束拟似然估计比拟似然估计有较小的均方误差.     

再论ARMA模型参数极大似然估计的收敛速度

本文给出了ＡＲＭＡ模型参数的极大似然估计和最小平方和估计的强收敛速度。     

极大似然估计算法研究

将解一元方程的二分法推广至求解多元非线性方程组.以第K个变元Xk为参数,则κ元方程组就可以看作曲线s(前κ-1个方程)和κ-1维曲面C(第κ个方程),于是κ元方程组的解就可以看作寻找曲线s和曲面C的交点.对参数Xk作二分法,重复迭代,直到找到满足误差要求的方程组的解.最后给出了用多元二分法的算法求解极大似然估计的数值解.     

半参数回归模型拟极大似然估计的渐近分布

用拟极大似然估计方法研究了误差为AR(1)时间序列的半参数回归模型,得到了参数及非参数的拟极大似然估计量,并研究了它们的渐近分布.     

基于高频数据的GARCH模型拟极大指数似然估计

基于拟极大指数似然方法,本文研究了利用日内高频数据来估计日频GARCH模型的参数.已有的相关研究均假定GARCH方程中常数项是给定的,限制了方法的广泛应用.本文基于常规的GARCH(1,1)模型框架,针对模型全部参数给出了两步估计方法,讨论了估计量的理论性质.针对不同的波动率替代,文章也给出了最优波动率替代选择标准.模拟研究和实证研究表明所提估计方法有很好的表现和一定的应用价值.     

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.     

ARMA模型变化点的极大似然估计

设W_1,…W_(n-1),W_n,…,W_m是对系统S的无间断等时间间隔的K维观测向量,样本W_1,…,W_(n-1)和样本W_n,…,W_m相互独立且分别来自两个不同的ARMA模型:     

多项Probit模型参数的极大似然估计

本文考虑多项probit模型中参数的极大似然估计(MLE)的存在性.在协方差阵已知和均匀结构两种情况下,给出MLE存在的充要条件.     

极大似然估计与似然比检验的几点注记

本文探讨了极大似然估计与log极大似然比检验的大样本性质，特别是非正则条件下的一些例子及处理办法。     

广义线性模型参数的自适应拟似然估计

对广义线性模型参数的一种拟似然估计的理论给予了彻底的处理. 在该估计中,响应变量的未知的协方差阵是通过样本去估计的.证明了所定义的估计量具有下述意义上的渐近有效性：当样本量n→∞时, 该估计有渐近正态性,且其极限分布的协方差阵重合于当响应变量的协方差阵完全已知时,拟似然估计的极限分布的协方差阵.     

广义线性回归拟似然估计的渐近正态性

研究了形如n∑i=1xi(yi-μ(xi′β))=0拟似然方程,在一定的条件下证明了拟似然估计βn的渐近正态性;并进一步证明了可用于β0大样本统计推断的渐近正态性结果．     

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.     

Logistic回归模型中参数极大似然估计的二次下界算法及其应用

本文研究了Newton-Raphson等算法无法进行时探寻更加稳定的数值解法的问题.利用B¨ohningLinday(1988)提出的二次下界算法(Quadratic lower-bound),文中在Logistic回归模型下构造了极大似然函数的代理函数并进行数值模拟,获得了二次下界算法是Newton-Raphson算法的合理替代的结果,推广了数值方法在Logistic回归模型中的应用.     

增长曲线模型中UMRE估计和UMRU估计的存在性

对于一般的增长曲线模型,在一般的矩阵损失和二次损失下,用统一的方法分别给出了回归系数矩阵的任一指定可估函数存在一致最小风险同变（ＵＭＲＥ）估计（分别在仿真变换群和转换变换群下）和一致最小风险无编（ＵＭＲＵ）估计的充要条件,以及所有可估函数恒存在ＵＭＲＥ估计和ＵＭＲＵ估计的允要条件。最后将结果应用于一些特殊模型。     

一般增长曲线模型参数阵的BLU估计

考虑一般增长曲线模型：Ｙ＝Ｘ１ＢＸ２＋εＥ（Ｖｅｃ（ε））＝０Ｖ（Ｖｅｃ（ε））＝σ２ＶＩｎ（Ｖ０）本文对任一可估函数ＫＢＬ给出了它的ＢＬＵ估计（最佳线性无偏估计），并得到了方差σ２的一个无偏估计．     

Copula函数中参数极大似然估计的性质

设m维随机变量X＝(X1,X2,…,Xm)的copula函数为C(u1,u2,…,um);α)＝C((F1(x1),F2(x2),…,Fm(xm));α),本文在(X1,X2,…,Xm)的样本空间和(U1,U2,…Um)的样本空间上讨论了m元copula函数中参数α的极大似然估计,得到了边缘分布函数连续时,两样本空间上参数α的极大似然估计和最大后验估计的等价性;而边缘分布函数不连续时,两样本空间上参数α的极大似然估计和最大后验估计的渐近等价性.     

ASYMPTOTIC NORMALITY OF QUASI MAXIMUM LIKELIHOOD ESTIMATE IN GENERALIZED LINEAR MODELS

For the Generalized Linear Model (GLM), under some conditions including that the specification of the expectation is correct, it is shown that the Quasi Maximum Likelihood Estimate (QMLE) of the parameter-vector is asymptotic normal. It is also shown that the asymptotic covariance matrix of the QMLE reaches its minimum (in the positive-definte sense) in case that the specification of the covariance matrix is correct.     

增长曲线模型中UMRE估计的存在性

对于设计矩阵不满秩，协方差阵任意或具有均匀结构或序列结构的正态增长曲线模型，本文讨论参数矩阵的一致最小风险同变（UMng）估计的存在性．在仿射变换群GI和转移交换群、二次损失和矩阵损失下本文分别获得存在回归系数矩阵的线性可估函数矩阵的UMRE估计的充要条件，推广了由[21]给出的在设计矩阵满秩下估计回归系数矩阵的结果．本文还首次证明了在群G1和二次损失下不存在协方差阵V和trV的UMRE估计．     

核实数据下非线性EV模型中经验似然降维推断

本文研究了响应变量有误差的非线性模型.应用半参数降维技术构造未知参数的被估计经验似然及调整的经验似然,证明了所提出的被估计的经验对数似然与其调整的经验对数似然分别渐近于独立卡方变量加权和的分布与标准卡方分布,所得结果可用来构造未知参数的置信域.     

EMPIRICAL LIKELIHOOD FOR LINEAR MODELS UNDER m-DEPENDENT ERRORS

In this paper，the empirical likelihood confidence regions for the regression coefficient in a linear model are constructed under m-dependent errors. It is shown that the blockwise empirical likelihood is a good way to deal with dependent samples.