ARMA序列MA参数G—M估计的强相合性

文献［１］给出了ＡＲＭＡ序列ＭＡ参数的Ｇ－Ｍ估计,并证明了估计的渐近正态性．本文证明了这种估计的强相合性．     

参数的变换矩估计方法

概率积分变换是统计分析中一个重要方法，它在拟合优度检验中得到了良好的应用．本文将这一思想应用于参数估计问题，提出一般参数估计的变换矩方法研究表明，这种方法既有较高的效率，又有良好的稳健性．文中证明了变换矩估计的存在性，相合性和渐近正态性，同时给出了影响函数和崩溃点，并具体分析了几个常见分布族的结果．     

双线性时间序列矩估计的渐近性态

双线性时间序列矩估计的渐近性态范金城，李金玉（西安交通大学应用数学系，西安７１００４９）双线性模型是一种重要的非线性时间序列模型，其一般形式是式中｛ｅｔ，ｔ＝０、±１，±２，…｝是ｉ．ｉ．ｄ．序列，且ｃ０＝１．对时间序列｛Ｘｔ，ｔ＝０，±１，±２，…...     

简单对角BL时间序列模型的参数的矩估计及其渐近分布

本文研究简单对角ＢＬ模型ｘ_ｔ＝ｅ_ｔ＋ｂｘ_ｔ－１ｅ_ｔ-1参数ｂ和σ_t^２的估计问题，其中｛ｅ_ｔ｝是白噪声，Ｅ（ｅ_ｔ）＝０，ｅ（ｅ_ｔ）＜＋∞证明了矩估计b和σ_t^２的渐近正态性．     

Copula函数中参数的矩估计方法

Copula函数是将多维随机变量的联合分布和其边缘分布连接起来的一种函数.关于Copula函数的理论和应用已有不同深度的研究,特别是Copula函数中未知参数的估计问题.本文研究了Gumbel Copula函数的参数估计,提出了矩估计和近似矩估计两种方法,分别得到了未知参数的估计结果,并通过模拟研究对这两种方法进行了比较,结果显示矩估计方法更为合理.     

非参数空间滞后模型的广义矩估计

放松了参数空间滞后模型中自变量的影响为已知的线性或非线性形式假设,考虑一类非内生自变量为随机变量的非参数空间滞后模型,构建了该模型的广义矩估计法,导出了其估计量的渐近性质,用Monte Carlo模拟方法考察了估计量的小样本表现.此外还将所提出的估计方法应用于估算我国各省市全要素生产率增长率.     

误差为NA序列的半参数回归模型估计的r阶矩相合性

对于半参数回归模型y1=xiβ＋g(ti) ei,i=1,2,…,n,本综合最小二乘法和一般加权方法,定义了β,g(t)的估计量βn,gn(t),在误差为NA序列进,得到了βn,gn(t)的r(r≥2)阶矩相合性。     

误差为NA序列的半参数回归模型估计的r阶矩相合性

对于半参数回归模型 yi=xiβ+g( ti) +ei,i=1 ,2 ,… ,n,本文综合最小二乘法和一般加权方法 ,定义了 β,g( t)的估计量 βn,gn( t) .在误差为 NA序列时 ,得到了 βn,gn( t)的 r ( r≥ 2 )阶矩相合性 .     

非参数方法下条件矩限制回归模型的广义矩估计

本文讨论条件矩限制回归模型的参数估计.使用非参数估计方法给出条件密度和条件均值的估计,在此基础上给出参数的广义矩估计.进一步讨论了估计的渐近正态性.     

离散抽样OU-复合Poisson过程的参数矩估计

本文研究基于离散观测的正复合Poisson过程驱动OU型过程的参数估计. 通过矩估计给出了过程平稳分布参数的估计量, 并得到了估计量的相合性和渐近正态性. 进一步, 将矩估计的方法和结论推广到叠加过程的情况.     

半参数回归模型小波估计的矩相合性

用小波方法,考虑半参数回归模型y_i=X_i~Tβ+g(t_i)+ε_i(1≤i≤n),其中β∈R~d为未知参数,g(t)为[0,1]上未知的Borel可测函数,X_i为R~d上的随机设计,随机误差{ε_i}为鞅差序列,{t_i}为[0,1]上的常数序列.得到参数及非参数的小波估计量的q-阶矩相合性.     

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。     

GBVE分布相关参数的矩型估计

考虑Gumbel提出的二元指数分布,其可靠度函数为 .我们把这类分布称为 .根据(Lnx1,LnX2)的混合矩的性质,本文提出了δ的两个矩型估计δ1和δ2,证明了δ1和δ2都有强相合性和渐近正态性,得到了δ1和δ2的渐近方差σδ12和σδ22并把σδ12和σδ22作了比较.最后还给出了若干随机模拟结果.     

相协样本半参数回归模型估计的矩相合性

考虑半参数回归模型Y(j) (xin,tin) =tinβ g(xin) e(j) (xin) ,1 ≤j≤m ,1 ≤i≤n .利用最小二乘法和权函数估计方法 ,定义 β ,g的估计量βm ,n和gm ,n(x) ,在负相依样本及较弱的条件下证明了这些估计的矩相合性 ,这些结论推广和改进了胡舒合 ( 1 997)关于独立情形的相应结论 .     

E_k/E_l/c排队系统参数的矩估计

考虑输入为参数λ的k阶Erlang分布,服务时间为参数μ的l阶Erlang分布具有C个服务员的排队系统。本文给出ρ的一致最小方差无偏估计和均方一致估计。 §1介绍 排队系统的参数估计问题,已有一些结果,已提出了几种不同的方法。最早是Clarke[1]在1957年给出了M/M/1系统的参数的极大似然估计。后来大部分人都是在这个基础上,对他的结果用近似的方法,得到近似的估计量。还有人用别的方法,但其结果都不太理想。如[2]、[3],还有Basawa和Prabhu[4]在1981年的文章中,讨论了当离开系统的顾客数是固定的时候,G/G/1系统平均服务时间及平均到达时间的矩估计的一些极限性质。但在证明中还有问题,等等。     

NA样本半参数回归模型估计的矩相合性

考虑了误差为NA序列的半参数回归模型,利用非参数估计方法给出了模型参数的最小二乘估计和加权最小二乘估计,并在适当条件下得到了它们的矩相合性.     

基于鞅序列非参数回归权函数的估计

在鞅误差序列下,研究多元非参数回归权函数估计的相合性,得到比Fan[1]和Geogiev[2]更理想的结论．     

非参数空间滞后模型的广义矩估计北大核心CSCD

放松了参数空间滞后模型中自变量的影响为已知的线性或非线性形式假设,考虑一类非内生自变量为随机变量的非参数空间滞后模型,构建了该模型的广义矩估计法,导出了其估计量的渐近性质,用Monte Carlo模拟方法考察了估计量的小样本表现.此外还将所提出的估计方法应用于估算我国各省市全要素生产率增长率.     

关于ARMA序列协方差矩阵的逆

本文用矩阵方法导出ＡＲＭＡ（ｐ，ｑ）序列协方差阵的逆的一种表达式，由它可以较快计算平方和函数及其偏导数，还可以求得初值为零的条件平方和函数的误差。     

混合样本下非参数回归模型误差的矩相合估计

要考虑非参数回归模型Yi=g(Xi) εi，i=1，2…其中误差（ε，ii≥1)为φ混合随机变量列，且有共同的未知密度f(x)，g(x)=E(Y|X=x)为未知的回归函数，本由基于g(x)的非参数估计gn（x）定义的残差，然后再由基于残差构造的f(x)的估计fn(x)，在适当条件下，证明了fn(x)具有r(1相似文献