变系数线性结构关系EV模型中参数β〔t0〕的加权M估计的渐近正态性

考虑变系数多维线性结构关系EV模型y=xTβ〔t〕,Y=y+ε,X=x+u,利用一般的函数ρ〔·〕.构造了参数β〔t〕=β1〔t〕,β2〔t〕,…,βp〔t〕T〕在t=t0处的参数β〔t0〕的估计量β^n〔t0〕,并证明它具有渐近正态性.     

随机变系数线性结构关系EV模型的参数估计

利用随机加权正交回归最小二乘法给出了随机变系数线性结构关系EV模型中的参数估计。     

一类EV模型中参数σ~2的加权M估计的渐近正态性

考虑变系数多维线性结构关系EV模型y=xTβ(t),Y=y+ε,X=x+u,利用文[4]构造的参数β(t)在t=t0处的参数β(t0)的估计量βn(t0)构造参数σ2的估计量σn2,并证明它具有渐近正态性.     

随机变系数线性结构关系EV模型参数估计的强相合性

证明了随机变系数线性结构关系EV模型中参数估计的强相合性.     

重复观测时线性结构关系EV模型的参数估计

考虑一元线性结构关系EV模型y=a+bx,Y=y+E,X=x+u,在测量误差u和ξ的方差不相等时,对未知参数a和b进行了估计,利用重复观测数据,构造出参a,b和误差的方差的估计量,并证明了它们具有相合性.     

变系数EV模型系数参数的两步核估计结果的比较

利用核函数法和广义最小二乘法对一般变系数EV模型给出了参数的两步估计,并从误差方差的角度对其结果进行了比较.     

变系数回归模型的参数估计

讨论了变系数回归模型中变系数的加权最小二乘估计和变系数的加权可估函数的线性估计的最优性;推广了Gauss-Markov定理;并且构造出参数σ2的估计量.     

一元线性结构关系EV模型的假设检验

给出了一元线性结构关系EV模型y=a+bx,Y=y+ε,X=x+u中关于线性关系y=a+bx的假设检验法则.     

线性结构关系EV模型中参数的可估性分析

从线性回归模型中参数的可估性出发 ,研究了常系数和变系数线性结构关系EV模型中参数可估的条件 .这一条件是很一般的 .     

混合系数线性模型参数的可容许估计

讨论了混合系数线性模型参数估计,给出了完全随机系数的线性模型参数的新估计,证明了这个估计量的可容许性.     

带有不完全椭球约束的多元线性模型中参数的线性容许估计

本文讨论了多元线性模型在椭球约束 : ′N ≤σ2 Im ,N≥ 0参数的线性估计的可容许性。在二次损失下 ,刻划了可容许线性估计的特征     

独立与相依情形下加权广义线性模型选择的重对数律和强一致性

在温和条件下,考虑相依响应情形(ρ-混合或m-相依),针对一般广义线性模型(GLM)任意改变其参数权重构造出加权GLM,给出了参数的最大似然估计(MLE),并推导了加权后模型的重对数律(LIL)。应用独立情形下强极限理论证明了任意修正模型与全模型的对数似然之差的渐近结果。借助惩罚加权对数似然函数技术,基于相依LIL证明了模型选择准则的强一致性,并推导出若惩罚项的阶数介于O(log log n)与O(n)之间时,则该准则选取最简单修正模型几乎是必然的。     

权回归模型下几种估计性能的比较

在给定的权回归模型下,讨论了最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较,得出了在随机误差方差矩阵可逆条件下,可算出最优加权最小二乘估计与线性无偏最小方差估计误差方差阵的差表达式,并在一定条件下,两者趋于一致。