线性模型中回归参数的最佳逼近M－估计

本文首先提出了选取回归参数Ｍ－估计中函数ρ的一种新原则，然后利用ρ的最佳逼近函数定义了一种新估计－ＢＡＭＥ．并证明了其强相合性；讨论了其稳健性，较比通常的Ｍ－估计，ＢＡＭＥ有以下优点：（１）ρ的选取充分利用了误差的分布信息；（２）具有显式表达，其算法方便；（３）相合性的证明相当于ＬＳ－估计的复杂程度，比Ｍ－估计简单得多．     

误差为MA（q）序列线性模型回归参数的近似M估计

本文在文献的基础上,定义了误差为MA(q)序列时线性模型回归参数的近似M估计并在一定条件下证明了估计的相容性。     

半参数回归模型中随机加权M估计的强逼近

用随机加权法给出了半参数回归模型中参数的随机加权M估计，在一般的条件下证明了用随机加权统计量的分布逼近原估计量误差的分布的强有效性，并给出了M估计的最优强收敛速度。     

线性回归模型参数的泛BC估计

本在献[1]的基础上，提出了线性回归模型参数的泛BC估计，把有偏压缩估计类的压缩系数由一维推广到多维，即由常数推广到矩阵向量，从而推出其一些优良性质。     

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.     

线性模型中M估计的渐近性质

线性模型中Ｍ估计的渐近性质吴耀华（中国科学技术大学数学系，合肥２３００２６）ＡＳＹＭＰＴＯＴＩＣＢＥＨＡＶＩＯＲＯＦＭ－ＥＳＴＩＭＡＴＯＲＳＩＮＬＩＮＥＡＲＭＯＤＥＬＳ￥ＷｕＹＡＯＨＵＡ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，Ｕｎｉｖｅｒｓ...     

增长曲线模型中回归参数阵的线性有偏估计类

In response to some perceived deficiency with the BLUE of the regression parameter matri xin the growth curve model,this paper proposes a class of linerar biased estimators,which is called a class of universal ridge ones(URE).based on the recent deveopment theory of biased estimation on the classical regression model.By appropriate choices of the included biased parameters,many interesting and practical linear biased estimators may be obtained.Some important properties are also discussed.With the UR estimators,the estimation methods used in the growth curve model will be greatly ennriched.     

半参数回归模型的极小极大线性估计

给出了半参数回归模型中当累赘参数ｇ（ｔ）一致有界或者ｇ（ｔｉ）落在有界球体内参数β的极小极大线性估计，并指出它们按均方误差收敛的速度达到Ｏ（ｎ＾－１）。     

线性模型参数M估计的强相合性

本文研究线性模型中回归参数M估计的强相合性,给出一些较弱的充分条件.与相应结论比较,这里给出的条件对矩的要求有实质性的改进.     

线性模型参数M估计的强相合性

本文研究线性模型中回归参数　Ｍ　估计的强相合性，　给出一些较弱的充分条件．　与陈希孺和赵林城的专著［１］中相应的结论比较，　这里给出的条件对矩的要求有较大的实质性改进．     

线性模型参数M估计的强相合性

研究了线性模型中回归参数 M估计的强相合性 ,在 dn=o( 1 / logn)情形下 ,给出了较弱的充分条件 .与 [1 ]中相应结论比较 ,我们将有界性条件改善为矩母函数存在性条件 ,因此作了实质性的改进     

多元线性回归模型参数的渐近最优的经验Bayes估计

Empirical Bayes estimation of the parameter vector θ=(β^1,σ^2)‘ in a multiple linear regression model Y=Xβ ε is considered, where β is the vector of regreasion coeffcient, ε-N(0,σ^2I) with σ^2 unknown. In this paper, we construct the EB estimators of θ by using the kernel estimation of multivariate density function and its partial derivatives, Uuder some momeut couditions on prior distribution we obtain their asymptotic optimality.     

线性模型参数M估计的线性表示

本文在非凸的情况下,研究了线性回归参数的M估计的强、弱线性表示。所得余项估计的阶或阶的主部是确切的。作为应用,导出了M估计的收敛速度、重对数律及Berry-Esseen型界限。     

NA样本线性回归参数的M估计的强相合性

建立了随机误差为NA的线性模型中回归参数β_0的M估计的强相合性的充分条件．特别重要的是随机误差的矩条件只需要满足E|ψ_ (e_i)|~t,t＞1 1/δ．这些弱的充分条件与陈希孺、赵林城(1996)、杨善朝(2002)的结论相比,不仅扩大了应用范围,而且对矩条件有较大的改进．     

线性模型M估计分布的Bootstrap逼近的强收敛

本文讨论标准线性模型M估计分布的随机加权逼近，建立了随机加权M估计的线性表示及Bootstrap强逼近，同时还得到了逼近的一致强收敛速度，其主要部分的阶在Berry－Esseen意义下已达最优．     

基于半参数回归模型的最小一乘局部线性算法

根据最小一乘准则,推导出最小一乘局部线性估计的计算方法,并通过对模拟数据的计算和分析,对比最小一乘核算法和最小二乘局部线性算法,验证了最小一乘局部线性算法是一种有效的,稳健的估计方法,并且有降低边界效应的作用．     

多元线性回归模型中的线性经验Bayes估计

H.Robbins提出的经验Bayes估计应用于多元线性回归模型,已有一些文献进行了讨论。Martz和Krutchkoff通过Monte-Carlo模拟试验讨论了一般假设下的线性回归模型问题,但并没有从理论上证明他们所给出的EB估计的任何相合性和渐近最优性。Wind考虑了当误差向量满足0均值σ~2I为协方差阵时,回归系数的EB估计问题,但其结果也存在着缺陷。Singh考虑了在多元线性回归模型中误差向量具有多元正     

固定设计点的半参数回归模型的M估计的渐进分布

讨论了固定设计点的半参数回归模型的大样本性质,得到了模型的Ｍ估计的渐进分布,并建立了关于参数的检验。数值模拟结果表明,本文提出的方法具有较好的稳健性。