相依样本下线性模型误差分布的相合估计

对于线性模型狔犻＝狓犻′β＋犲犻，犻＝１，…，狀，设误差序列｛犲犻｝是平稳的α 混合序列，犳（狓）为其 公共的未知密度函数，我们讨论了基于残差的犳（狓）的核估计＾犳狀（狓）＝１狀犪狀∑狀犻＝１犓（＾犲狀犻－狓犪狀）的弱相合性、逐点强相合性、一致强相合性及其收敛速度，其中＾犲狀犻为Ｌ．Ｓ．估计的残差．     

半参数回归模型的二阶段估计

考虑回归模型，ｇ为Ｒ１上未知函数，β为ｐ×１维待估参数向量．本文基于模型的可加性得到了β和ｇ的估计量，证明了它们具有很好的大样本性质．     

CONSISTENT NONPARAMETRIC ESTIMATION OF ERROR DISTRIBUTIONS IN LINEAR MODEL'

For the linear model y_i=x_iθ e_i, i=1, 2,…, let the error sequence {e_i}_i=1 be iidr.v.'s, with unknown density f(x). In this paper,a nonparametric estimation method based onthe residuals is proposed for estimating f(x) and the consistency of the estimators is obtained.     

一类密度函数最近邻估计的一致收敛速度

<正> 设 X_1,X_2,…,X_n 是来自 R_d(d≥1)上的具分布函数 F(x)的总体的 iid.样本.F(x)有概率密度 f(x),k=k(n)是与 n 有关的自然数.找最小正数 a_n(x),使得     

污染线性模型的非参数估计

Abstract. In this paper, the following contaminated linear model is considered:     

平稳序列最近邻密度估计的相合性

设{X_n}_(n=1)~∞ 是 R~d 中平稳过程,具有公共的未知密度 f(x).本文并不假定{X_n)_(n=1)~∞ 是独立的,考察基于前 n 个观察值{X_i}_(i=1)~n 的f(x)的最近邻估计.在过程{X_n}_(n=1)~∞ 是φ混合或强混合的情形下,得到了逐点相合性、一致相合性以及收敛速度.     

半参数回归模型的估计的渐近性质

考虑半参数回归模型ｙｉ＝ｘｉ＾１β＋ｇ（ｔｉ）＋ｅｉ,１≤ｉ≤ｎ;其中ｇ为Ｒ上未知函数,σ０＾２＝Ｄ（ｅ１）柴根象等在１９９５年给出了β的二阶段估计βｎ,本文基于β１建立了σ０＾２的估计量σｎ＾２,研究了误差方差估计σｎ＾２的渐近正态性和强相合性,并且得到了可直接用于统计推断的统计量及其分布。