跟踪雷达测量误差的统计模型（I）：模型的建立

本文提出以如下具有慢时变方差的线性回归－自回归混合模型∫ｙｔ＝β＾Ｔｕｔ＋σｔεｔ，εｔ＝ψ１εｔ－１＋…＋ψｐεｔ－ｐ＋ｅｔ。用于描述跟踪雷达测量误差的变化规律，并提出了模型个数的估计方法。数值例子表明，本文提出的模型能较好地拟合跟踪雷达误差数据。     

跟踪雷达测量误差的统计模型（Ⅱ）：参数估计的强相合性

我们证明了文「１」中提出的跟踪雷达测量误差模型参数估计的强相合性。     

多元测量误差模型的稳健GM-估计量

由于EV（Errores-in-Variables)模型（也称测量误差模型）的最大似然估计由正交回归给出，而正交回归对污染数据是敏感的，所以，需要采用稳健的统计方法来估计模型参数。本文在多元EV模型中引入稳健GM-估计量，把一元正态EV模型的若干结果推广到多元情形，所得的稳健性结果不仅更具一般性，而且还修正了文献中对一元情形给出的一个错误结果。     

含测量误差的部分线性模型的发散参数估计(英文)

本文考虑了部分线性模型中,线性部分协变量含有测量误差,并且线性部分的参数随着样本量的增大而发散的估计问题.我们考虑了用可观测的替代变量来替代不可观察到的真实变量,这种替代变量的期望与真实变量存在线性关系.我们提出了估计方法,并研究了估计量的相合性与渐进正态性.此外,我们研究了发散参数的发散速度.我们通过模拟来说明该估计的实际效果.     

测量误差数据下线性模型的几乎无偏岭估计

文章讨论带测量误差的线性模型中参数估计的问题.当带测量误差的线性模型存在复共线的时候,通过几乎无偏估计的思想,提出了几乎无偏岭估计,并对估计的性质进行分析.通过研究发现几乎无偏岭估计不但能克服复共线性,同时有比较小的均方误差.     

测量误差模型的自适应LASSO变量选择方法研究

本文研究测量误差模型的自适应LASSO(least absolute shrinkage and selection operator)变量选择和系数估计问题.首先分别给出协变量有测量误差时的线性模型和部分线性模型自适应LASSO参数估计量,在一些正则条件下研究估计量的渐近性质,并且证明选择合适的调整参数,自适应LASSO参数估计量具有oracle性质.其次讨论估计的实现算法及惩罚参数和光滑参数的选择问题.最后通过模拟和一个实际数据分析研究了自适应LASSO变量选择方法的表现,结果表明,变量选择和参数估计效果良好.     

变系数测量误差模型的B-样条估计(英文)

本文考虑变系数测量误差模型的估计问题,得到该模型变系数函数修正的最小二乘B-样条估计,同时得到非参数函数估计的最优收敛速度.模拟结果表明该方法是有效的.     

部分线性混合效应模型中方差分量的稳健估计

部分线性混合效应模型中方差分量是我们感兴趣的参数, 文献中已经给出许多估计方法. 但是其中很多方法都可以归结为广义估计方程方法(GEE), 如: 最大似然估计(MLE), 约束最大似然估计(REMLE)等, 而GEE方法对异常点很敏感. 本文提出一组关于部分线性混合效应模型(PLMM)中均值和方差分量的稳健估计方程, 对均值和方差分量同时进行稳健估计; 并进行了随机模拟考察所提出稳健估计的有效性, 最后通过两个实例, 说明了所提方法的可行性.     

部分线性测量误差模型的模拟—推断估计

该文研究了部分线性测量误差模型,即无法直接观测非参数部分协变量,只能得到其替代变量的模型.利用局部线性估计并结合模拟-推断的方法(SIMEX)得到参数及非参数的估计,并在适当的条件下,得到了所提估计量的渐近偏差及方差.将该文提出的模拟-推断方法与Liang(2000)的估计方法比较,表明模拟-推断法在处理测量误差问题上的有效性.值得一提的是,模拟-推断方法不需要对非参数部分协变量的分布提出假设.     

异方差的线性混合模型的参数估计

本文研究既含有固定效应又含有随机效应的线性混合模型,在随机效应的方差不同即异方差情况下,即考虑方差受外界因素的影响,如温度、湿度等,我们称之为协变量,在有协变量情况下对方差建立对数线性模型,运用最大似然估计讨论了固定效应的估计和随机效应的预测,并且用约束最大似然(REML)方法研究对数线性模型中参数和随机误差中参数(离差参数)的估计,并讨论估计量的性质及离差参数估计量的渐近正态性。     

线性模型中误差为相依情形下误差方差估计的Berry—Esseen界限

本文主要讨论了线性模型中误差为α－混合强一稳序列情形下，误差方差估计的Ｂｅｒｒｙ－Ｅｓｓｅｅｎ界限，其阶为ｎ＾－１／２＋λ。     

测量误差数据下偏正态众数回归模型的参数估计

现有对回归模型的研究大多仅限于直接观测的解释变量,忽略数据的测量误差将增加模型参数的估计偏差.目前关于测量误差模型的研究主要集中在回归误差服从正态分布的假设,这种假设不适用于研究非对称的数据.对于偏斜数据,众数的代表性优于均值和中位数.本文基于测量误差数据介绍了偏正态众数回归模型,并通过EM算法估计了模型的参数.模拟研究的结果表明,协变量带测量误差下的众数回归比均值回归有更好的表现.通过实例分析进一步表明了所提出模型和方法的有效性.     

自回归模型建立的必要条件及其应用

给出了对时间序列资料选择建立7种自回归模型的必要条件,并结合实际例子进行了分析和阐述.     

基于工具变量的变系数测量误差模型的分位数回归估计

文章考虑协变量含有测量误差的变系数模型,为了消除测量误差的影响,在估计过程中引入工具变量,利用工具变量对含有测量误差的协变量进行校正.为了获得稳健估计,利用分位数回归方法得到不同分位点上系数函数的估计.在一些正则条件下,证明了所提出的估计的渐近正态性.模拟研究比较了Naive估计,基于工具变量校正的分位数回归估计(IVQR)以及基于工具变量校正的最小二乘估计(IVLS),模拟结果表明文章提出的方法优于已有的方法.最后采用文章提出的方法对中国农村居民的金融资产余额的影响因素进行了分析,结果表明住户债务余额系数呈现U型变化,家庭收入系数呈现倒U型变化.     

门限自回归模型条件异方差的Kolmogorov-Smirnov检验

门限自回归模型被广泛地用于许多领域，当建立或使用这类模型时，一个重要问题是需要知道是否存在条件异方差。在本文中，我们对这个问题提出一个非参数检验，检验的大样本理论被给出，我们还通过数值模拟研究了检验方法的有限样本性质。结果表示检验有好的功效。经验百分位点还被给出。     

部分线性自回归模型中误差方差的核估计

基于非参数函数的核估计,构造了部分线性自回归模型中误差四阶矩的相合估计,从而给出了误差方差核估计的渐近正态性,并通过模拟算例和实例说明了其应用.     

因变量缺失下变系数部分线性测量误差模型的变量选择

主要研究因变量存在缺失且协变量部分包含测量误差情形下,如何对变系数部分线性模型同时进行参数估计和变量选择.我们利用插补方法来处理缺失数据,并结合修正的profile最小二乘估计和SCAD惩罚对参数进行估计和变量选择.并且证明所得的估计具有渐近正态性和Oracle性质.通过数值模拟进一步研究所得估计的有限样本性质.     

非参数自回归模型异方差的小波检验

本文讨论了非参数自回归模型异方差的检验问题.在非参数自回归模型的建模过程中,通常假定方差为常数.然而在建模前,我们应该首先检验这-假定是否成立.本文将利用小波方法来检验异方差问题.我们首先利用核估计方法定义经验小波系数,然后讨论其渐近性质.在此基础上,我们提出了异方差性检验的统计量.数值模拟结果表明,我们的方法表现良好.     

部分线性自回归模型中误差方差伪最小二乘估计的渐近正态性

Consider the model Y_t=βY_t-1 g(Y_(t-2)) ε_t for 3＜=t＜=T.Here g is an unknown function,βis an unknown parameter,ε_t are i.i.d,random errors with mean 0 and varianceσ~2 and the fourth momentα_4,andε_t are independent of Y_s for all t＞=3 and s=1,2. Pseudo-LS estimators■_T~2,■4T and■_T~2 ofσ~s,α_4 and Var(ε_3~2)are respectively constructed based on piecewise polynomial approximator of g.The weak consistency of■4T and■_T~2 are proved.The asymptotic normality of■_T~2 is given,i.e.T~(1/2)(■_T~2-σ~2)/■_T converges in distribution to N(0,1).The result can be used to establish large sample interval estimates ofσ~2 or to make large sample tests forσ~2.     

纵向数据下非参数带测量误差的部分线性变系数模型的估计

本文研究纵向数据下非参数部分带有测量误差的部分线性变系数模型的估计.利用B样条函数近似模型中的变系数函数,构造偏差修正的二次推断函数,得到模型中未知参数和变系数函数的估计.证明变系数函数估计量的相合性和参数估计量的渐近正态性.数值模拟和实例分析结果表明所提估计方法在有限样本下的有效性.