有重复观测的变系数EV模型的参数估计

构造了有重复观测的变系数EV模型中的诸多参数估计,包括系数函数、测量误差方差以及测量误差与回归误差的协方差等估计,去除了有关测量误差方差已知或可靠比已知的假定.在一些较弱的条件下,证明了所有的这些估计都是强相合的,同时获得了系数函数估计的渐近正态性以及收敛速度.     

动态异方差随机前沿模型的Bayesian推断

随机前沿模型中如果忽略单边干扰项的异质性(heterogeneity)往往导致错误的效率估计.从个体特征的影响和方差的时变性两方面对单边干扰项进行考虑,提出异方差动态随机前沿模型.利用Gibbs抽样方法对动态异方差随机前沿模型进行Bayesian分析.导出了模型参数的后验条件分布,对中小样本的模拟实验显示在最小后验均方误差准则下得到的参数估计值非常接近真值.对电力公司的实际数据进行分析显示对数无效率项的方差有一定的时变性.     

异方差线性模型中的Bayes和经验Bayes方差估计

本文给出异方差线性模型中误差方差的 Bayes和经验 Bayes估计。我们首先研究在每一个试验点只有少量重复,而总观察数N相当大的情况。并导出其Bayes估计,讨论其某些性质。同时还给出经验Bayes估计及其偏差和方差的渐近展开式。基于这些展开式,在N很大时证明了经验Bayes估计要比常用方差估计(组内样本方差)有更小的均方误差。     

消费者不确定性的测度——基于异方差的视角

预防性储蓄理论的核心是对消费者不确定的测度.认为异方差是不确定性的很好代理变量.本文以极大似然法估计异方差,并运用消费者家计抽样调查数据,讨论收入和支出的异方差对消费者行为的影响.     

异方差线性测量误差模型的平均估计

频率模型平均估计近年来受到较多关注,但目前文献对有测量误差数据的模型平均估计方法研究较少.文章考虑异方差线性测量误差模型平均估计方法,基于Mallows权重选择准则提出了新的模型平均估计,并在理论上证明了其渐近最优性.模拟结果表明,新方法相较于一些常用的模型平均(如SAIC,SBIC)与模型选择方法(如AIC,BIC)具有较大优势.     

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。     

单指标模型异方差检验（英文）

在可加回归模型中,高维回归分析一般采用单指标模型.该模型与参数模型相比更加灵活,同时避免了维数灾难,因为单指标将标准变量向量的维数降低为单变量指标.本文构建了一个带有函数型误差项的单指数回归模型用于检验单指标模型的异方差性.由于回归模型的有效推断要求在存在异方差的情况下考虑异方差,本文提出了检验单指标模型方差不变性的假设.将Levene检验和无限因子水平的方差分析理论结合得到检验统计量用来评估方差同质性.模拟研究显示与已有方法相比,所提检验统计量适用于多种情形.最后将本文的方法应用于分析一组实际数据.     

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.     

有重复观测的部分线性EV模型的参数估计

构造了有重复观测的部分线性EV模型中的诸多参数估计, 包括回归系数、回归误差方差以及非参数函数估计, 去除了有关经典文献中关于测量误差方差已知的假设. 在一些正则条件下, 证明了所有这些估计都是强相合的, 同时获得了回归系数估计的渐近正态性、非参数函数估计的最优收敛速度. 模拟计算表明这些估计的效果优良.     

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.     

基于错误系统理论的和式型和向量型错误函数研究

研究了和式型和向量型函数的相关定义及性质,为更好的描述错误系统,以及计算错误值奠定了基础.     

Error function inequalities

We present various inequalities for the error function. One of our theorems states: Let α?≥?1. For all x,y?>?0 we have $$ \delta_{\alpha} < \frac{ \mbox{erf} \left( x+ \mbox{erf}(y)^{\alpha}\right) +\mbox{erf}\left( y+ \mbox{erf}(x)^{\alpha}\right) } {\mbox{erf}\left( \mbox{erf}(x)+\mbox{erf}(y)\right) } < \Delta_{\alpha} $$ with the best possible bounds $$ \delta_{\alpha}= \left\{ \begin{array}{ll} 1+\sqrt{\pi}/2, & \ \ \textrm{{if} $\alpha=1$,}\\ \sqrt{\pi}/2, & \ \ \textrm{{if} $\alpha>1$,}\\ \end{array}\right. \quad{\mbox{and} \,\,\,\,\, \Delta_{\alpha}=1+\frac{1}{\mbox{erf}(1)}.} $$      

分形插值函数的误差

研究分形插值的误差估计,并由此获得解反问题的一条有效途径。     

Error estimates of Ramanujan-type series

The aim of this paper is to establish some inequalities related to Ramanujan-type approximation series of the constant π and other classical constants such as Apéry’s constant and Catalan’s constant.     

New Uniform Parametric Error Bounds

A uniform parametric error bound is a uniform error estimate for feasible solutions of a family of parametric mathematical programming problems. It has been proven useful in exact penalty formulation for bilevel programming problems. In this paper, we derive new sufficient conditions for the existence of uniform parametric error bounds.     

Error bounds and metric subregularity

Necessary and sufficient criteria for metric subregularity (or calmness) of set-valued mappings between general metric or Banach spaces are treated in the framework of the theory of error bounds for a special family of extended real-valued functions of two variables. A classification scheme for the general error bound and metric subregularity criteria is presented. The criteria are formulated in terms of several kinds of primal and subdifferential slopes.     

伪凸集值映射的误差界

考虑了伪凸集值映射的误差界.证明了对于伪凸集值映射,局部误差界成立意味着整体误差界成立.通过相依导数,给出了伪凸集值映射存在误差界的一些等价叙述.     

Error inference for nonparametric regression

This study examines means for inferring the distribution of the error in nonparametric regression. The central objective is to develop confidence intervals for nonparametric regression. Our computational study would seem to affirm that our methods are potentially useful in cases of small sample size or heterogeneously distributed error. Theoretical developments offer sufficient conditions for asymptotic normality.This work was undertaken while Dr. Rutherford was with the University of Arizona. It was supported in part by NSF grant DPP 82-19439.