纵向数据广义部分线性模型的二次推断推断函数估计（英文）

针对纵向数据广义部分线性模型,通常的做法是用样条或核方法逼近非参部分,之后利用广义估计方程方法(GEE)估计参数部分.本文使用B样条逼近非参函数,并基于二次推断函数的方法对参数和非参数进行估计,并给出了估计量的大样本性质.模拟表明本文的方法改进了GEE的效率.     

基于Anderson-Darling正态性检验的改进方法及应用

首先介绍了Anderson-Darling正态性检验法的基本原理,并应用稳健统计方法——用中位值(x_med)估计总体均值μ、用标准四分位间距(NIQR)估计总体标准偏差σ,来改进Anderson-Darling统计量(AD统计量)以增强其稳健性.其次利用蒙特卡罗(Monte-Carlo)随机模拟方法产生正态分布随机数,计算改进的AD统计量,重新确定改进的AD统计量的上α分位数以及对应的上尾显著点,进而给出上尾显著点表格和拟合函数曲线供统计人员使用.以长春黄金研究院有限公司在2021年度开展的金锭中金含量化学分析能力验证为例,给出了改进后该统计量的具体应用过程,结果令人满意.     

协方差矩阵最佳仿射同变估计的改进

§1.引言 Stein(1964)证明了正态分布的方差的最佳仿射同变估计的不容许性.Shorrock和Zidek(1976)给出了正态分布的广义方差的最佳仿射同变估计的一个改进估计.本文推广了他们的结果,对正态分布的协方差矩阵的最佳仿射同变估计进行了改进.     

不平衡单因素随机效应模型下过程无能力指数的区间估计

过程能力分析在工业生产上是衡量生产能力以及保障产品质量的一个重要问题.与其他指标相比,过程无能力指数C_(pp)不仅能直接反映过程的不可靠性,而且能提供更多关于过程不精确性的相关信息.因此,它可以帮助供应商改进不良过程来提高质量性能.在采样的数据通常是来自于不平衡单因素随机效应模型时,文章利用近似广义推断、Fiducial推断和参数自助法分别给出了C_(pp)的区间估计,并对3种区间估计的性能进行了模拟比较.模拟结果表明Fiducial区间估计优于近似广义推断和参数自助法,特别是在数据不平衡时.     

利用Monte-Carlo方法模拟比较动态平行数据模型参数的估计方法--最小二乘与工具变量估计方法

总结了动态平行数据模型的固定效应与随机效应模型的最小二乘估计(OLS)与工具变量估计(Tool)方法.并利用Monte-Carlo随机模拟的方法比较了两种估计方法的效果.     

金融市场中极值指标的位移尺度不变估计

在极值统计理论中,极值指标决定着分布的类型.特别是当极值指标大于零时,Hill估计一直得到较为广泛的应用.然而,位移不变性没有在Hill估计中体现,这也是应用Hill估计的限制.应用一个改进的Hill估计,这个估计具有位移尺度不变性.通过对几种模型的模拟比较和对金融市场中极值指标的实证分析,研究了改进的Hill估计的可行性.     

半相依回归系统中回归系数估计的若干结果

本文首先给出了半相依回归系统中回归系数的一种新的估计方法,即用一些较简单的矩阵代替β的BLUE(?)中相当复杂的矩阵,得到β的相应的估计.协方差改进估计(CIE)可以看成是BLUE的某种“近似”.当CIE可以改进时,我们引入广义CIE(GCIE),讨论了GCIE的一些统计性质.在∑_(mxm)已知时.我们还得到β_(?)在线性估计类中均方损失下的可容许估计.     

含测量误差的复合分位数回归的SIMEX估计

考虑含测量误差的线性回归模型,采用模拟外推(SIMEX)方法并结合复合分位数回归构造了回归系数的估计.所得回归系数估计不仅消除了测量误差对估计造成的偏差,而且保留了复合分位数回归估计的优点.在一些正则条件下,证明了估计的渐近性质.模拟研究了所提出方法的有限样本性质,并进行了实例分析.     

改进的基于图方法对真实原假设比例的估计

在多重假设检验中,对原假设为真的比例或数量的估计是一个基础性问题.一类估计方法是基于排序p值的图方法,由Schweder和■(1982)首次提出.但是这类方法只利用了特定切点p值的信息,当原假设和备择假设差异较小时,现有方法的有效性会降低.文章通过利用所有原假设p值的信息,对估计进行了改进.由于利用了更多的信息,改进后的估计更有效.数值模拟结果表明,文章所提出的估计方法比现有方法有效性更好,最后将所提出的方法应用到实际数据分析中.     

�����������ľصľֲ����Թ���

本文给出了条件三阶中心矩的局部线性估计, 并研究了估计的条件偏差和方差. 本文利用广义交叉核实法(GCV)进行窗宽选择. 我们通过模拟说明了该估计的实用性     

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.     

纵向数据下线性模型的模态回归估计

本文考虑纵向数据下线性回归模型的稳健估计问题.通过结合模态回归(modal regression)方法和二次推断函数(quadratic inference functions)技术,提出了一种基于模态回归的估计过程.证明了回归系数的估计是相合的,并给出了其渐近分布.数据模拟结果表明所提出的估计方法具有较好的稳健性和有效性.     

具有相关误差和不同光滑变量的半变系数模型估计（英文）

本文主要讨论具有相关误差和不同光滑变量的半变系数模型估计.通过改进的PLS估计,给出系数函数和常系数的估计,证明估计的渐近正态性,模拟研究说明了该估计的有效性.     

误差相关的半变系数模型的估计

本文在误差相关的情况下, 研究半变系数模型的估计, 通过改进PLS估计, 给出了函数系数和常数系数的估计, 证明了估计的渐近正态性; 最后, 模拟研究说明了所提方法的有效性.     

(ρ)混合样本线性模型M估计的强相合性

研究了(ρ)混合样本线性模型中的M估计,在较弱的矩条件下,获得了M估计是强相合估计的充分条件.与相应结论比较,有了较大的实质性改进.     

基于高频数据的非平稳GARCH(1,1)模型的拟极大指数似然估计

波动率的统计分析一直是金融市场量化分析的重要问题.收益率替代模型能将日内的收益率高频数据嵌入到日间的收益和波动率的模型中,因此可以通过构造合适的收益率替代来改进收益和波动率模型中的参数估计的精度.提高估计精度的直接作用就是改进VaR的预报精度,提高风险管理水平.本文针对非平稳GARCH(1,1)模型,构建新的收益率替代模型—基于高频数据的非平稳GARCH模型.不同于传统的Gauss拟极大似然估计(QMLE),本文对收益率替代模型提出拟极大指数似然估计(QMELE).在残差的二阶矩有限的情形下,建立QMELE的强一致性和渐近正态性.数值模拟的结果显示,基于高频数据的估计QMELE具有更小的均方误差.同时通过实际的金融数据说明,包含更多信息的日内高频数据下的收益率替代模型的估计所对应的VaR估计是有效的.     

函数型部分线性乘积模型的B-样条估计

本文研究了函数型部分线性乘积模型,该模型可用于响应变量为正数的函数型数据的统计建模问题,经过对数变换后模型转化为函数型部分线性模型.基于B-样条,通过极小化最小一乘相对误差(LARE)和最小乘积相对误差(LPRE),分别给出模型的LARE估计和LPRE估计,其中B-样条基的维数利用Schwarz信息准则选取.对两种估计方法分别给出斜率函数估计的相合性和参数部分估计的渐近正态性,并且证明了斜率函数的收敛率达到了非参数函数估计的最优速率.蒙特卡洛模拟用来比较所提出的方法与最小一乘(LAD)估计和最小二乘(LS)估计在不同误差分布下的有限样本性质,模拟结果表明所提方法是有效和实用的.最后通过一个实际数据分析的例子来说明模型的应用.     

响应变量删失情况下线性模型的FIC模型选择和模型平均

本文给出了响应变量随机右删失情况下线性模型的FIC (focused information criterion) 模型选择方法和光滑FIC 模型平均估计方法, 证明了兴趣参数的FIC 模型选择估计和光滑FIC 模型平均估计的渐近正态性, 通过随机模拟研究了估计的有限样本性质, 模拟结果显示, 从均方误差和一定置信水平置信区间的经验覆盖概率看, 兴趣参数的光滑FIC 模型平均估计均优于FIC, AIC (Akaikeinformation criterion) 和BIC (Bayesian information citerion) 等模型选择估计; 而FIC 模型选择估计与AIC 和BIC 等模型选择估计相比, 也表现出了一定的优越性. 通过分析原发性胆汁性肝硬化数据集, 说明了本文方法在实际问题中的应用.     

线性模型回归系数的c-(K,S)型估计的小样本性质

根据线性回归模型Y=Xβ+,εE(ε)=0,COV(ε)=σ2,对回归系数的有偏估计c-(K,S)型估计进一步研究;讨论了c-(K,S)型估计的基本性质;并在均方误差阵(M SEM)准则下讨论了c-(K,S)型估计相对于最小二乘估计的优良性,有助于线性回归系数有偏估计的进一步改进.     

随机删失数据非线性回归模型的最小一乘估计

研究了随机删失数据非线性回归模型的最小一乘(LAD)估计问题, 证明了LAD估计量的渐近性质, 包括相合性、依概率有界性和渐近正态性等. 模拟结果显示对删失数据回归问题, LAD估计仍比最小二乘估计(LSE)稳健.