相协样本半参数回归模型估计的强相合性

考虑半参数回归模型Y^(j)(xin,lin)=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强相合性，得到了与独立情形一致的结论．     

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 .     

固定设计下半参数回归模型估计的相合性

对于固定设计下的半参数模型yi=x1β g(ti)┬ei=1，2……，n本文综合最小二乘法和一般的非参数权估计方法，定义了β，g的估计量-βn，-gn及误差方差口α^2=Ee^21的估计量-α^2n，并在适当条件下，证明了它们的强相合性与P(≥2)阶平均相合性．     

截尾数据时回归函数基于分割估计的相合性

设(X1,Y1),(X2,Y2),…,(Xn,Yn)为取值于Rd×R1中i.i.d.样本,本文在截尾样本下,研究了非参数回归函数基于分割估计及改良基于分割估计的强相合性.     

NA、PA样本下密度核估计的相合性

设{Xn,n≥1}为同分布的NA或PA随机变量序列，f(x)为X1概率密度函数，基于样本X1，X2，…，Xn，本对密度函数（f(x)的核估计进行了讨论，在适当条件下证明了其强相合和r阶矩相合。     

线性约束下部分线性模型中估计的渐近性质

考虑回归模型yi=x′iβ+ g(ti) + ei, 0 ≤i ≤nr=Rβ其中(xi,ti)是固定非随机设计点列,xi=(xi1,…,xip)′,β=(β1,…,βp)′(p 1) ,g是定义在[0 ,1]上的未知函数,β是未知待估参数,0≤ ti≤1i,ei 是i.i.d随机误差,且Eei=0 ,Ee2i=σ2 <∞.r是一个J维向量,R是一个J* p列满秩矩阵,基于g的估计取一个非参数权估计,本文讨论了在线性约束下β的最小二乘估计的相合性及渐近正态性.     

完全与截尾样本时回归函数的核估计

本文得到了完全与截尾样本时回归函数核估计的强相合性．接着，构造了截尾样本的改良核估计，在Ｅ｜Ｙ｜＜∞下，得到了其强相合性．     

固定设计下一类半参数回归模型的渐近性质

对固定设计下的一类半参数回归模型yi=xiβ+g(xi)+ei,i=1,2,…,n,综合最小二乘和非参数权函数估计方法,定义了,βg的估计量β∧n,gn∧及误差方差σ2的估计量σ2n∧.在适当条件下,证明它们具有强相合性和p(2)阶平均相合性.模拟的结果表明所得结果具有优良的性质.     

NA列递归密度核估计的相合性

本文在一定的条件下证明了基于NA样本序列的递归型密度核估计的均方相合性和逐点强相合性，作为在可靠性问题中的应用，利用NA样本构造了生存函数和失效率函数的估计，并讨论了相应的逐点强相合性。     

纵向数据半参数回归模型的最小二乘局部线性估计

本文考虑纵向数据半参数回归模型:Yij=XiTjβ+g(Tij)+iεj,基于最小二乘法和局部线性拟合的方法建立了模型中参数分量β,回归函数g(.)和误差方差σ2的估计,在适当条件下给出了估计量的相合性,通过模拟研究说明了该方法在有限样本情况下具有良好的性质。     

混合误差半参数回归模型估计的相合性

研究了误差为ψ混合和ψ混合序列的半参数回归模型,综合最小二乘法和非参数权函数估计方法,分别定义了待估参数β和未知函数夕的估计量βm,n和9m,n(χ).利用混合序列的矩不等式及凸函数的性质,在较弱的条件下证明了这些估计量的强相合性与矩相合性,这些结果推广了已有的相应的研究结果.     

变系数混合效应模型

本文研究了下列变系数混合效应模型: $y_{ij}=z_{ij}^{\tau}b_i+x_{ij}^{\tau}\beta(w_{ij}) +\xe_{ij},\;i=1,\cdots,m;\;j=1,\cdots,n_i$, 其中$b_i$为i.i.d.期望为$\xt$, 协方差阵为$\xs^2_bI_q$的随机效应向量, $\xe_{ij}$是i.i.d.期望为零, 具有有限方差的随机误差. 文中我们不仅给出了函数系数向量$\xb(\cdot)$的局部多项式估计, 同时给出了随机效应期望、方差和随机误差方差的估计, 并给出了这些估计量的渐进正态性和相合性, 研究结果表明了这些估计量的可靠性.     

随机设计非线性混合模型的统计分析

本文研究了个体观察次数为随机的非线性 混合效应模型中参数的点估计以及区间估计. 在仅给出适当的矩条件下, 给出了固定效应、随机效应的方差阵以及误差方差的矩估计, 并证明了估计量的相合性及渐近正态性. 为给出误差方差以及随机效应方差分量的置信区间, 本文也给出了误差及随机效应的四阶矩估计. 随机模拟说明了方法的有效性.     

Nonparametric estimation for contamination distribution

In the paper, for the contamination distribution model F（x） = （1-α）F1（x）＋αF2（x）, the estimates of α and F1 （x） are studied using two different ways when F2 （x） is known and the strong consistency of the two estimates is proved. At the same time the consistency rate of estimate α is also given.     

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 .     

部分线性模型中估计的强相合性

考虑回归模型：ｙｉ＝ｘｉβ＋ｇ（ｔｉ）＋σｉｅｉ，１ｉｎ，其中σ２ｉ＝ｆ（ｕｉ），（ｘｉ，ｔｉ，ｕｉ）是固定非随机设计点列，ｆ（·）和ｇ（·）是未知函数，β是待估参数，ｅｉ是随机误差．对文［１］给出的基于ｇ（·）及ｆ（·）的一类非参数估计的β的最小二乘估计＾βｎ和加权最小二乘估计βｎ，我们在适当条件下证明了它们的强相合性．     

一类纵向数据半参数模型中的强相合估计

本文考虑如下纵向数据半参数回归模型:y_(ij)=x′_(ij)β+g(x_(ij))+e_(ij).结合最小二乘法和非参数权函数估计方法得到模型中参数β,回归函数g(·)的估计,并在适当条件下证明了估计量的强相合性.     

线性回归估计相合性问题的新进展

本文综述了近年来线性回归最小二乘仗霜合性问题的一些新进展，对在误差方差无限的情况下这种估计的特殊表现作了论述，并提出了若干尚未解决的问题。     

NA样本部分线性模型估计的强相合性

考虑回归模型:Y~((j))(x_(in),t_(in))=t_(in)β+g(x_(in))+σ_(in)e~((j))(x_(in)),1≤j≤m,1≤i≤n,其中σ_(in)~2=f(u_(in)),(x_(in),t_(in),u_(in))为固定非随机设计点列,β是未知待估参数,g(·)和f(·)是未知函数,误差{e~((j))(x_(in))}是均值为零的NA变量.给出基于g(·)和f(·)一类非参数估计的β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强相合性.     

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.