变系数模型变窗宽和一步局部M-估计

用变窗宽和一步局部M-估计对变系数模型的系数参数进行估计,得到了估计的渐近正态性.     

变系数EV模型系数参数核估计的改进估计

对变系数EV模型的估计问题进行深入研究,利用核函数法和广义最小二乘法运用类似于迭代的方法改进了变系数EV模型系数参数的估计。首先,将一步核估计■0(ti)(i=1,…,n)代入模型,用广义最小二乘法得到β的第二步估计=Sn-1XT(Y-■0(T))。然后,再将的值代入模型中,将■0(ti)还原成β0(ti),定义β0(t)的最终估计为0(t)=μ10∑i=n1wni(t)(Yi-XiT)在适当的正则条件下,证明了所给的估计具有相合性和一致相合性。最后借助Matlab对估计量进行了模拟研究,结果表明估计的效果较已有结果有所提高。     

一类变系数分组Cox回归模型及其估计

讨论了一类变系数分组Cox回归模型.该模型提高了线性分组Cox回归模型的灵活性和适应性.基于局部加权极大似然估计方法,讨论了该模型的参数估计问题,利用迭代加权最小二乘法给出了局部似然方程的迭代算法.     

变系数模型变窗宽局部M-估计的相合性

用变窗宽局部M-估计对变系数模型的系数函数进行估计,得到了估计的相合性和渐近正态性.所采用的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.变窗宽的使用提高了局部M-估计的可塑性,并使得它们能成功地处理空间非齐性曲线、异方差性及非均匀设计密度.     

如何创建一堂受学生欢迎的课——基于大学数学课堂教学的思考

一堂一堂的课,承载着教师的基本使命。教师的任务是把知识的学术形态转化为教育形态。思想的流淌、激情的荡漾、语言的芬芳是创建一堂受学生欢迎的大学课堂的三个重要要素。     

有重复观测的变系数EV模型的参数估计

构造了有重复观测的变系数EV模型中的诸多参数估计,包括系数函数、测量误差方差以及测量误差与回归误差的协方差等估计,去除了有关测量误差方差已知或可靠比已知的假定.在一些较弱的条件下,证明了所有的这些估计都是强相合的,同时获得了系数函数估计的渐近正态性以及收敛速度.     

变系数模型变窗宽局部M-估计的渐近正态性

局部多项式回归方法已证明是一个有效的非参数回归方法,有优于流行核方法的特点,如设计的自适应性和高的渐进效率。然而,它的一个缺点是缺乏稳健性。M-型估计是达到所需稳健性的一种自然预期。而且常窗宽对齐次待估曲线是合理的,但对更复杂的曲线如非齐次的,异方差的曲线则失去灵活性,为了完全做到用模型数据去估计参数,本文结合上述两种方法,对变系数模型的系数参数进行估计,并在其中嵌入一个变窗宽加以提高,得到了估计的渐进正态性。     

变系数EV模型基于核估计的误差方差估计

在利用核函数法和广义最小二乘法讨论变系数EV模型系数参数估计的基础上给出了其误差方差σ2的一种估计量(σ)2n,证明了所定义的估计量(σ)2n有很好的大样本性质.