线性混合模型参数的一种新估计

线性混合模型的未知参数分两类, 一类是固定效应, 一类是方差分量. 提出了固定效应和方差分量的一种新估计, 称为谱分解估计, 并证明了新估计的一些重要统计性质. 新估计的突出特点是, 固定效应的估计是具有良好统计性质的线性估计. 新方法被应用于经济、金融和 机械测量方面的两个重要模型, 所得到的估计都具有很好的统计和实用意义.     

变系数模型的小波估计

变系数模型是近年来文献中经常出现的一种统计模型.本文主要研究了变系数模型的估计问题,提出运用小波的方法估计变系数模型中的系数函数,小波估计的优点是避免了象核估计、光滑样条等传统的变系数模型估计方法对系数函数光滑性的一些严格限制. 并且,我们还得到了小波估计的收敛速度和渐近正态性.模拟研究表明变系数模型的小波估计有很好的估计效果.     

关于无偏估计的几个问题

估计量的无偏性概念是频率学派思想的充分体现,它只有在大量重复使用估计量时才有意义.简单性和绝对化地使用无偏性是不合理的.实例显示无偏估计有时并不一定存在,可估参数的无偏估计往往不唯一,无偏估计不一定是好估计.     

部分线性测量误差模型中的估计问题（英文）

本文考虑了部分线性模型中非参数部分带有可加测量误差的估计问题.本文提出了两种估计方法,第一种是基于逆卷积的积分矩估计方法,给出该估计的强相合收敛性.第二种是基于模拟的估计方法,该方法避免了积分矩估计方法中的积分问题.最后本文用一些数值结果来说明估计方法的估计效果.     

金融市场中极值指标的位移尺度不变估计

在极值统计理论中,极值指标决定着分布的类型.特别是当极值指标大于零时,Hill估计一直得到较为广泛的应用.然而,位移不变性没有在Hill估计中体现,这也是应用Hill估计的限制.应用一个改进的Hill估计,这个估计具有位移尺度不变性.通过对几种模型的模拟比较和对金融市场中极值指标的实证分析,研究了改进的Hill估计的可行性.     

Gamma分布环境因子的统计分析

证明了Gamma分布环境因子的最大似然估计是有偏估计,且其偏差为正,进而导出了Gamma分布环境因子的近似无偏估计.利用Cornish-Fisher展开导出了Gamma分布环境因子的广义置信区间,另外也给了Gamma分布环境因子的Bootstrap-t置信区间.利用模拟方法研究了所给近似无偏估计和区间估计的精度,模拟结果显示所给近似无偏估计和区间估计的精度是相当好的.     

线性模型中M估计分布的随机加权方法逼近

在线性模型中,M估计的渐近分布通常都涉及到不易估计的未知误差分布的某些量,如果要估计渐近方差,就需对这些冗余参数进行估计.利用随机加权方法可以避免先对误差分布中的冗余参数进行估计.给出了当自变量是随机变量时,M估计分布的随机加权逼近,证明了M估计分布的随机加权逼近是一致相合的.当取不同的凸函数,样本大小和随机权时,进一步利用蒙特卡洛方法研究估计分布.研究表明随机权取泊松权时,不仅达到同样的效果而且可以减小计算量.     

随机B-F准备金模型中事故年索赔均值的信度估计

在B-F准备金模型中,事故年均值的估计是一个非常关键的估计量,然而传统的做法是假定事故年均值存在某个先验估计,这个先验估计是根据以往的经验资料由精算师确定的,具有很大的主观性.若先验估计选择合适,则能得到准备金的准确估计,反之,若先验估计选取错误,则给准备金估计带来较大的误差.本文提出改进的随机B-F准备金模型,利用信度理论的思想给出事故年随机索赔均值的信度估计,进而利用经验贝叶斯的方法得到了先验分布中结构参数的估计,最后得到责任准备金的经验贝叶斯估计.我们利用数值模拟的方法验证了事故年均值的经验贝叶斯的均方误差.结论显示,这种随机B-F模型的经验贝叶斯估计是有效的.最后,给出保险公司的实际例子,将本文得到的准备金经验贝叶斯估计与传统的B-F估计和链梯法估计进行了比较.     

乘积极限估计的重对数律

利用右删失数据估计寿命分布时,常用乘积极限估计.本文给出乘积极限估计是均匀强相合估计的充要条件.证明乘积极限估计的均匀收敛的重对数律.     

二元极值分布混合模型的矩估计

极值理论在各个领域得到了越来越多的关注和应用, 尤其是多元极值分布. 而矩估计是一种经典的参数估计方法, 计算简单且具有某些优良性, 本文给出边缘为标准指数分布的二元极值混合模型相关参数的矩估计及其渐近方差. 并将其与极大似然估计的渐近方差比较, 结果表明矩估计是一个较好的估计.     

变窗宽和一步局部M-估计 *

研究稳健的变窗宽局部线性回归 .所提出的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点 .变窗宽的使用提高了所得到的局部M- 估计的可塑性并使得它们能成功地处理空间非齐性曲线、异方差性及非均匀设计密度 .在合适的正规条件下 ,所提出的估计是存在的且是渐近正态的 .基于稳健的估计方程 ,引进了一步局部M- 估计以减少计算负担 .只要初始估计足够好 ,一步局部估计将具有与整个迭代的M- 估计相同的渐近分布 .换句话说 ,一步局部M- 估计显著地减少整个迭代M- 估计的计算负担而不降低其执行效果 .模拟也说明了这个事实.     

因变量缺失下线性变量含误差模型的估计

主要考虑线性模型在自变量测量含误差以及因变量缺失情况下的估计问题.对于模型中的回归系数,我们基于最小二乘方法提出了两类估计,其中一类估计只由完整观测数据构成,而另外一类估计利用的则是利用简单插补方法构造的完整数据.证明了这两类估计是渐近正态性的.     

熵损失函数下的信度模型

本文研究了信度模型问题.利用熵损失函数,获得了风险保费的信度估计和经验Bayes信度估计.所获结果是对现有风险保费信度估计和经验Bayes信度估计的一个补充.     

带超级光滑噪声密度函数的小波自适应点态估计

利用小波方法在局部Holder空间中研究一类反卷积密度函数的点态估计问题.首先,针对超级光滑噪声给出该模型任一估计器的点态风险下界;其次,构造有限求和小波估计器,并证明其在超级光滑噪声条件下达到了最优收敛阶,即该估计器在点态风险下的收敛速度与下界一致.最后,还讨论了这类小波估计器的强收敛性.值得指出的是上述估计都是自适应的.     

平衡损失函数下的信度模型

保险公司对保费进行定价时,一般是有一个目标保费. 本文结合信度定价原理, 考虑保费的目标估计,得到平衡损失函数下的信度估计. 并对其未知参数进行估计,得到相应的经验Bayes信度估计.     

高维线性模型的稀疏半参有效估计

高维线性回归估计是一个被大量学者研究的重要统计学问题.在误差分布未知的情况下,如何将有效性纳入高维估计仍是一个尚未解决且具有挑战性的问题.最小二乘估计在非Gauss误差密度下会损失估计的效率,而极大似然估计由于误差密度未知,无法直接被应用.基于惩罚估计方程,本文提出一种新的稀疏半参有效估计方法应用于高维线性回归的估计.本文证明了在误差密度未知的超高维回归下,新的估计渐近地与具有神谕性的极大似然估计一样有效,因此对于非Gauss误差密度,它比传统的惩罚最小二乘估计更有效.此外,本文证明了几种常用的高维回归估计是本文方法的特例.模拟和实际数据的结果验证了本文所提出方法的有效性.     

非参数固定设计回归模型中的Stahel-Donoho核估计

研究非参数固定设计回归模型中的稳健核估计. 提出了一种Stahel-Donoho核估计, 在此核估计中, 权重函数既依赖于数据深度, 又依赖于设计点和估计点之间的距离. 对不可直接计算的误差深度, 利用局部近似, 给出了一种近似计算方法, 使得新的估计是计算有效的. 新的估计获得较高的崩溃点值, 并有渐近正态和均方收敛等良好的大样本性质. 与参数模型中的深度加权估计不同的是,这种深度加权非参数估计有简单的方差结构,于是,人们可以比较新旧估计的有效性.数据模拟结果表明,新的方法可以平滑回归估计,并获得稳健性和有效性的良好平衡.     

商业银行操作风险计量模型的Bayes估计

对于商业银行来讲,一个很重要的问题是损失数据缺乏,而损失数据缺乏会影响模型参数的估计,用Bayes估计解决了这一问题.Bayes估计的方法利用商业银行专家提供的意见确定先验分布,能够有效地解决损失数据缺乏的问题.实证分析的结果表明,Bayes估计与极大似然估计的结果.不考虑存在着一定的差距.不考虑各部分风险之间的相关性,基于Bayes估计与极大似然估计时VaR与ES的大部分结果相差不大.     

纵向数据均值和协方差矩阵的有效稳健估计（英文）

本文提出一种针对纵向数据回归模型下的均值和协方差矩阵同时进行的有效稳健估计.基于对协方差矩阵的Cholesky分解和对模型的改写,我们提出一个加权最小二乘估计,其中权重是通过广义经验似然方法估计出来的.所提估计的有效性得益于经验似然方法的优势,稳健性则是通过限制残差平方和的上界来达到.模拟研究表明,和已有的针对纵向数据的稳健估计相比,所提估计具有更高的效率和可比的稳健性.最后,我们把所提估计方法用来分析一组实际数据.     

多元失效时间删失数据边际风险模型加权估计的渐近正态性

对于多元失效时间数据,可以根据工作独立的假定来估计边际风险模型中的未知参数,但工作独立方法通常会失去估计的效率.为了充分利用不同失效类型之间的潜在相关性,提高估计的效率,可以通过加权的方法给出参数的加权部分似然估计.然而由于多元失效数据是高维数的数据,选择最优权是困难的.因此,Fan,Zhou,Cai和Chen曾基于参数估计向量中每个元的方差提出了一些次优加权方法,然后从参数向量所有分量估计的角度出发,构造了未知参数的复合加权部分似然估计,但他们没有给出这些复合加权估计的渐近性质.本文将对复合加权部分似然估计进一步的研究,推导了这个估计的渐近正态性,并给出了该估计的协方差阵以及协方差估计.同时,将该方法应用于艾滋病临床试验的实际数据,给出了有意义的解释和说明.最后进行了相关估计的一些数值模拟计算.