概率密度函数的广义最小二乘估计

本文提出了应用线性回归的方法改良核密度估计的一种方法,改良的估计量为GLS估计.并讨论了几个与之相关的问题.     

关于广义压缩最小二乘估计的注记

本文研究了广义压缩最小二乘估计（ＧＳＬＳＥ）的一些性质，给出了它的均方误差（ＭＳＥ）的一个无偏估计量（ＵＥ），采用极小该ＵＥ的方法确定了ＧＳＬＳＥ的参数选取公式，并把这个统一化的方法应用于广义岭估计，岭估计、Ｍａｓｓｙ主成分估计、Ｓｔｅｉｎ型压缩估计以及根方有偏估计等，从而得到了它们的一种选取参数的方法，最后，结合Ｈａｌｄ实例进行比较分析，结果表明，本文的方法是实用的，有效的。     

广义压缩最小二乘估计

本文引进了线性模型中回归系数的一个估计类。许多常用的估计,例如岭回归估计、主成分估计、压缩最小二乘估计以及迭代估计都属于这个估计类。本文讨论该估计类中估计的容许性问题以及矩阵均方误差准则下估计的比较问题。     

广义最小二乘估计为BLUE的若干条件

本文给出了一般广义最小二乘估计为BLUE的一个充要条件及几个充分条件。     

广义岭估计优于最小二乘估计的两个充分条件

分别给出了线性回归模型未知参数β的广义岭估计在MSE准则和PC准则下优于LS估计的充分条件.     

最小二乘估计关于误差分布的稳健性

对于设计矩阵$X$是列降秩的线性统计模型, 本文讨论了最小二乘估计关于误差分布的稳健性, 给出了误差分布的最大类, 使得误差项的分布在此范围内变动时, 最小二乘估计在均方误差矩阵准则下是最优估计.     

线性模型中φ混合误差下回归系数最小二乘估计的相合性

本文研究线性模型中φ－混合误差序列下回归系数最小二乘估计的相合性，分别对最小二乘估计为强相合和ｒ阶平均相合给出一些充分条件。     

加权广义逆、加权最小二乘和约束最小二乘问题

本文采用如下记号:记C~m×n是具有复数域的m×n长方矩阵的集合,C~m=C~m×1是m维向量的集合.对A∈C~m×n称A~H∈C~m×n是A的共轭转置矩阵,rank(A)表示A的秩,R(A)和N(A)分别为A的值域和零空间,||·||=||·||2和||·||F分别为2-范数和Frobenius范数;I表示恒等矩阵.人们在研究数学规划、数值分析、数据处理,散射理论和电磁学等领域中都将问题归纳为如下的最小二乘问题:     

关于EV线性回归模型中的广义最小二乘估计

本文考虑EV（errors-in-variables）线性模型．在一般的条件下证明了广义最小二乘估计的强收敛和渐近正态性，然后在小样本意义下给出了模拟结果．     

回归系数最小二乘估计的Bootstrap估计

本文对线性模型的回归系数β的线性函数α＾Ｔβ的最小二乘估计α＾Ｔβ建立了一种新的ｂｏｏｔｓｔｒａｐ逼近，给出了逼近的相合性定量，得到了ｏ（ｎ＾－１／２）的逼近速度。     

面板数据空间误差分量模型的GMM估计及其应用

本文研究面板数据空间误差分量模型(Spatial Error Components Model,SEC)的估计方法。为克服极大似然法在SEC模型估计中运算的困难,本文提出基于广义矩估计的可行广义最小二乘法(GMM-GLS),证明了估计量的一致性及有限样本下的有效性;并应用此模型,研究2000-2007年中国30个省(西藏除外)的物质资本存量、人力资本存量及能源消耗对实际GDP的影响,结果表明,采用SEC模型所得估计结果更为符合经济现实。     

固定效应空间误差分量模型的空间相关性检验

本文研究固定效应设定下,空间误差分量(Spatial Error Components,SEC)模型的空间相关性边际检验、条件检验和转换检验.Monte Carlo模拟实验证明,转换检验有更小的水平扭曲和优越的检验功效,且不受固定效应大小影响,是经济计量实证中理想的检验统计量;转换检验有限样本性质受空间权重矩阵的选取和...     

˫�������ɷֵĿռ����ģ�͵IJ�������

??In this paper, we construct a generalized spatial panel data model with two-way error components where the spatial correlation also exist in the individual effects. Based on the methods of the generalized moment estimate and the two-step least square estimate, we look for the best instrumental variable, fit generalized moments and the weighted matrix to discuss the estimator of the parameters, and prove the consistent of the estimators. Monte Carlo experiments show that the weighted generalized moment estimators are better than the unweighted generalized moment estimators, and the estimate effect of feasible generalized two stages least squares estimators is good.     

混合形式的变系数空间面板数据模型:一个多阶段估计

当前对空间面板数据模型的研究主要集中在常系数模型上,但这类模型无法完全体现出空间异质性。本文建立变系数的空间面板数据模型,这类模型的特点是自变量系数是固定在时期上,同一时期的所有空间个体的自变量系数是相同的,而不同时期的自变量系数则会发生变化,不同时期的方程通过误差项的跨期相关性联系起来而形成SUR系统。在对模型进行一定设定的基础上,本文提出了一个四阶段估计,证明了参数估计量的一致性,并利用Monte Carlo方法对估计量进行了模拟。     

固定效应部分线性单指标面板模型的惩罚二次推断估计

单指标面板模型已广泛应用于各学科领域的研究中,其估计方法较为丰富,然而鲜有估计方法将个体内的相关性考虑在内.基于此,本文研究了一类个体内存在相关性的固定效应部分线性单指标面板模型,采用惩罚二次推断函数法和LSDV法相结合的方法对模型进行估计,证明了所得估计量的一致性和渐近正态性.Monte Carlo模拟结果显示其具有...     

���й̶�ЧӦ�İ�����������ģ�͵Ļع���������

In this paper, we study the asymptotic behavior of the B-spline estimator for semiparametric panel data model with fixed effects.We give explicit expression for the asymptotic bias of B-spline estimator for nonparametric function m. Our study shows that the asymptotic bias of the B-spline estimator does not depend on the working correlation matrix. Simulations are conducted to demonstrate our conclusion.     

固定效应部分线性可加面板数据模型的惩罚二次推断估计

具有较强解释力和灵活性的部分线性可加面板数据模型在各学科领域应用广泛.针对个体内存在相关结构的固定效应部分线性可加面板数据模型,本文在结合幂样条函数和最小二乘虚拟变量(LSDV)法的基础上,利用惩罚二次推断函数(PQIF)法对模型进行估计,在一定的正则条件下,证明了参数估计的渐近正态性和非参数估计的收敛性,Monte Carlo数值模拟显示所述估计方法具有良好的有限样本表现,同时,我们还将估计技术应用于实际数据分析中.     

关于一类具有有界不确定性数据的参数估计方法的误差分析

指出了一类具有有界不确定性数据的参数估计方法存在估计误差这一事实,分析了估计误差存在的原因,给出了估计误差的上界.     

变系数EV模型基于核估计的误差方差估计

在利用核函数法和广义最小二乘法讨论变系数EV模型系数参数估计的基础上给出了其误差方差σ2的一种估计量(σ)2n,证明了所定义的估计量(σ)2n有很好的大样本性质.     

�̶�ЧӦ�������Ե�ָ�����ģ�͵ijͷ�������Ȼ����

??This paper constructs a penalized empirical likelihood estimation method via quadratic inference function method, filter method and empirical likelihood estimation method. Under some regular conditions, we derived the large sample properties of estimators and show that the proposed empirical likelihood ratio is asymptotically to chi-square distribution. Furthermore, the infinite sample performance of the proposed method is evaluated by Monte Carlo simulation and real data analysis.