误差为NA序列的半参数回归模型估计的r阶矩相合性

对于半参数回归模型y1=xiβ＋g(ti) ei,i=1,2,…,n,本综合最小二乘法和一般加权方法,定义了β,g(t)的估计量βn,gn(t),在误差为NA序列进,得到了βn,gn(t)的r(r≥2)阶矩相合性。     

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.     

相协样本半参数回归模型估计的矩相合性

考虑半参数回归模型Y(j) (xin,tin) =tinβ g(xin) e(j) (xin) ,1 ≤j≤m ,1 ≤i≤n .利用最小二乘法和权函数估计方法 ,定义 β ,g的估计量βm ,n和gm ,n(x) ,在负相依样本及较弱的条件下证明了这些估计的矩相合性 ,这些结论推广和改进了胡舒合 ( 1 997)关于独立情形的相应结论 .     

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．     

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。     

NA样本部分线性模型估计的强相合性

考虑回归模型:Y~((j))(x_(in),t_(in))=t_(in)β+g(x_(in))+σ_(in)e~((j))(x_(in)),1≤j≤m,1≤i≤n,其中σ_(in)~2=f(u_(in)),(x_(in),t_(in),u_(in))为固定非随机设计点列,β是未知待估参数,g(·)和f(·)是未知函数,误差{e~((j))(x_(in))}是均值为零的NA变量.给出基于g(·)和f(·)一类非参数估计的β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强相合性.     

NA误差下半参数回归模型估计的相合性

对半参数回归模型:Y(xin,tin)=tinb+g(xin)+e(xin),1≤j≤m,1≤i≤n,本文在NA相依样本下讨论了g的加权估计及b的最小二乘估计的强相合性与r(>2)阶平均相合性,使得文献犤2犦在独立样本下的相应结果得到推广     

误差为NA序列的半参数回归模型估计的r阶矩相合性

对于半参数回归模型 yi=xiβ+g( ti) +ei,i=1 ,2 ,… ,n,本文综合最小二乘法和一般加权方法 ,定义了 β,g( t)的估计量 βn,gn( t) .在误差为 NA序列时 ,得到了 βn,gn( t)的 r ( r≥ 2 )阶矩相合性 .     

NA样本固定设计下半参数回归模型中估计的强相合性

对于半参数回归模型yi=xiβ g(ti) ei，i=1，2,…，n(xi，ti)为已知的固定设计点列．本在误差{e．1≤n≤n)为NA序列时，对g(t)和σ的估计量gn~(t)和σn^2的逐点强相合。以及gn~(t)的一致强相合作了研究，得到比较理想的结果。     

NA序列半参数回归模型小波估计的强相合性

对于半参数回归模型yi=xiβ+g(ti)+ei,i=1,2,…,n,对误差{ei,1≤i≤n}为NA序列,在适当的条件下研究了未知参数β的小波估计的强相合,同时也得到了未知函数g(t)的小波估计的一致强相合.     

NA随机变量阵列加权和的矩完全收敛性

In this paper we obtain some new results on complete moment convergence for weighted sums of arrays of rowwise NA random variables.Our results improve and extend some well known results from the litera...     

NA样本下线性模型估计矩相合性

在NA样本下讨论了线性回归模型最小二乘估计的r阶矩相合性,并在02时推广了相关文献之结论.     

NA序列部分和的矩完全收敛性

讨论了NA序列部分和的矩完全收敛性,在一定条件下获得了NA序列矩完全收敛的充要条件,显示了矩完全收敛和矩条件之间的关系,将独立同分布随机变量序列矩完全收敛的结果推广到NA序列,得到了与独立随机变量序列情形类似的结果.     

Fuzzy weighted scaled coefficients in semi-parametric model

In general, the regressor variables are stochastic, Duan and Li (1987, J. Econometrics, 35, 25–35), Li and Duan (1989, Ann. Statist., 17, 1009–1052) have been shown that under very general design conditions, the least squares method can still be useful in estimating the scaled regression coefficients of the semi-parametric model Y _i =Q ₁(+X _i ; _i , i+ 1,2,...,n. Here is a constant, is a 1×p row vector, X _i is a p×1 column vector of explanatory variables, _i is an unobserved random error and Q ₁ is an arbitrary unknown function. When the data set (X _i , Y _i ),i=1, 2, ..., n, contains one or several outliers, the least squares method can not provide a consistent estimator of the scaled coefficients . Therefore, we suggest the fuzzy weighted least squares method to estimate the scaled coefficients for the data set with one or several outliers. It will be shown that the proposed fuzzy weighted least squares estimators are % MathType!MTEF!2!1!+-% feaafeart1ev1aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn% hiov2DGi1BTfMBaeXafv3ySLgzGmvETj2BSbqefm0B1jxALjhiov2D% aebbfv3ySLgzGueE0jxyaibaiGc9yrFr0xXdbba91rFfpec8Eeeu0x% Xdbba9frFj0-OqFfea0dXdd9vqaq-JfrVkFHe9pgea0dXdar-Jb9hs% 0dXdbPYxe9vr0-vr0-vqpWqaaeaabiGaciaacaqabeaadaqaaqGaaO% qaamaakaaabaGaamOBaaWcbeaaaaa!3D3C!\[\sqrt n \] and asymptotically normal under very general design condition. Consistent measurement of the precision for the estimator is also given. Moreover, a limited Monte Carlo simulation and an example are used to study the practical performance of the procedures.This research partially supported by the National Science Council, R.O.C.     

NA序列的重对数矩收敛的精确渐近性

假设{X_n,n≥1}为一列严平稳的NA随机变量,期望为零,方差有限.设S_n=∑_(i=1)~n∑X_i,M_n=max_(1≤i≤n)|S_i|.在适当的条件下,得到了一类NA序列部分和部分和最大值重对数矩收敛的精确渐近性.     

混合误差半参数回归模型估计的相合性

研究了误差为ψ混合和ψ混合序列的半参数回归模型,综合最小二乘法和非参数权函数估计方法,分别定义了待估参数β和未知函数夕的估计量βm,n和9m,n(χ).利用混合序列的矩不等式及凸函数的性质,在较弱的条件下证明了这些估计量的强相合性与矩相合性,这些结果推广了已有的相应的研究结果.