NA样本下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σ_ｉ～２＝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，误差｛ｅｉ｝为ＮＡ变量．我们对β的最小二乘估计βｎ和加权最小二乘估计Ｂｎ，在适当的条件下得到了它们的强相合性．     

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．     

NA样本半参数回归模型估计的矩相合性

考虑了误差为NA序列的半参数回归模型,利用非参数估计方法给出了模型参数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矩相合性.     

误差为鞅差序列的部分线性模型中估计的强相合性

考虑回归模型:y_i=x_{i ^β} +g(ti)+σ_ie_i ,i=1,2,...,n,其中 σ_i=f(u_i), (x_i,t_i,u_i)是固定非随机设计点列,f(^.),\ g(^.)$\ 是未知函数,β是待估参数,e_i是随机误差且关于非降σ -代数列{F_i,i≥1} 为鞅差序列.对文献[1]给出的基于f^(.)及g(^.)的一类非参数估计的β的最小二乘估计β_n和加权最小二乘估计β_n,在适当条件下证明了它们的强相合性,推广了文献[6]在e_i为iid情形下的结果.     

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．     

线性回归系数最小二乘估计强相合的充要条件

设有线性模型，以λn和μn分别记Sn的最小和最大特征根．假定随机误差e1，e2，…为iid，Ee1＝0且对某个r，1≤r＜2．本文在的限制下，得到了β的最小二乘估计为强相合的充要条件.     

NA样本回归函数估计的强相合性

在ＮＡ相依样本下研究非参数回归函数加权核估计的相合性,获得了一些较弱的充分条件,与此同时对ＮＡ序列给出一个简洁实用的Ｂｅｒｎｓｔｅｉｎ型不等式。     

具有NA误差项的多元回归模型中最小二乘估计的强相合性

在具有NA误差项的多元回归模型中,对误差项和设计矩阵作了一定的限制条件下给出了其最小二乘估计的强相合性;进而得出了NA序列的样本均值的加权和的几乎处处收敛性的结论.     

P^-混合样本线性模型M估计的强相合性

研究了P^-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估计是强相舍估计的充分条件．与相应结论比较，有了较大的实质性改进。     

$NA$ 相依样本部分线性模型估计理论

考虑部分线性模型 ,其中误差为NA相依样本,具有公共未知分布函数G(·),卢为未知参数, g(·)为未知函数.本文首先建立β和g(·)的相合性估计βn和gn(·),然后基于βn和gn(·)构造出G(·)的非参数估计Gn(·),最后在适当条件下,建立了Gn(·)一致强相合于G(·).     

随机截断下NA样本半参数回归模型中的相合估计

本文研究固定设计下的半参数回归模型在相应变量Yi因受到某种随机干扰而被右截断且截断分布已知时,利用所获的截断观察定义了参数β和回归函数g(·)的估计,并证明了它们均具有强相合性.     

NA样本下随机设计的半参数回归模型的弱相合性

本文研究了误差为NA序列下随机设计的半参数回归模型的问题.利用权函数和最小二乘估计的方法给出了参数、非参数及误差方差的估计,在较弱的条件下获得了它们的弱相合性结果.     

NA序列线性形式的强稳定性

本文研究了NA变量线性形式的强稳定性.利用随机变量的截尾术及强大数定律,得到了一般情况下不同分布NA变量具有强稳定性的充分条件,推广了NA列的Jamison型加权和具有强稳定性的充分条件.     

误差为鞅差序列的部分线性模型中估计的渐近正态性

考虑回归模型yi=xiβ g(ti) ei,i=1,2,…,n,其中(xi,ti)是固定非随机设计点列,g(.)是未知函数,β是待估参数,ei是随机误差且关于非降σ-代数列{Fi,i≥1}为鞅差序列,且满足E(e2n|Fn-1)-σ2=op(1),n→∞,其中0<2σ<∞为未知常数,本文基于g(.)的一类非参数估计的β的最小二乘估计■和2σ的估计量■,在适当条件下证明了其具有渐近正态性,从而推广了[1]在ei为iid情形下的结果.     

NA样本下半参数回归模型估计的强相合性

考虑固定设计下的半参数回归模型;yi=xiβ g(ti) ei,i=1,2……,n,在{ei}为Eei=0,Ee^2i=σ^2i的NA序列时,得到了一类估计的强相合性。     

线性回归模型中自变无选择的逐步回归方法及其相合性研究

线性回归模型的建立,一个很重要的过程就是自变元的选择,它直接决定着模型的优劣。本文给出了“宜取回归方程”的逐步回归方法,在一组适当的条件下,证明了这种方法的强相合性。     

k-NN METHOD IN PARTIAL LINEAR MODEL UNDER RANDOM CENSORSHIP

ｋ－ＮＮＭＥＴＨＯＤＩＮＰＡＲＴＩＡＬＬＩＮＥＡＲＭＯＤＥＬＵＮＤＥＲＲＡＮＤＯＭＣＥＮＳＯＲＳＨＩＰＱＩＮＧＥＮＧＳＨＥＮＧ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６４）．Ａｂｓｔ...     

ASYMPTOTIC PROPERTIES OF ESTIMATORS IN PARTIALLY LINEAR SINGLE-INDEX MODEL FOR LONGITUDINAL DATA

In this article, a partially linear single-index model /or longitudinal data is investigated. The generalized penalized spline least squares estimates of the unknown parameters are suggested. All parameters can be estimated simultaneously by the proposed method while the feature of longitudinal data is considered. The existence, strong consistency and asymptotic normality of the estimators are proved under suitable conditions. A simulation study is conducted to investigate the finite sample performance of the proposed method. Our approach can also be used to study the pure single-index model for longitudinal data.