广义分位数的渐近性质

Bellini等人提出了广义分位数并研究了其基本性质,特别针对重尾分布分析了期望分位数与一般分位数的渐近关系.本文在假设广义分位数为正规变化函数的基础上,研究广义分位数与一般分位数的渐近关系.     

分位数回归方法综述

分位数回归模型作为普通线性回归模型的推广,拥有着独特的优越性,在其广泛应用中得到了更加丰富及有价值的结果。本文比较了分位数回归和普通线性回归的优缺点,并介绍了分位数回归在多个学科领域中的应用以及其理论发展分支。     

部分线性分位数回归模型的平均估计

模型平均估计可对不同候选模型中的参数估计量进行加权平均,能有效提高参数估计的精度,在经济、金融和管理等领域有着广泛应用。为提高部分线性分位数回归模型的参数估计效果,本文构造了基于兴趣参数的模型平均估计量并探究了其大样本性质。首先,利用B样条近似非参数函数,并通过极小化分位数损失函数来得出各候选模型的回归系数估计量,在局部误设定框架下推导了系数估计量的渐近分布;其次,基于候选模型中兴趣参数的估计构造出了模型平均估计量,并得出其渐近性质;最后,推导了覆盖真实参数的概率趋近于名义水平的置信区间。本文研究不仅丰富了平均估计的渐近分布理论,而且为兴趣参数构造了合适的置信区间。     

广义线性模型的分位数回归变点检测

变点问题因具有广泛的应用,一直是一个研究的热门问题。文章结合分位数回归的思想,考虑了广义线性模型在连接函数不变的情况下其参数是否发生改变,利用子样本的次梯度来构造检验统计量,并且找到了在原假设下检验统计量的渐进分布,并通过数值模拟证明了该检验的有效性。     

基于遍历函数型数据下条件分位数的渐近性质

假设(Xi,Yi)1≤i≤N为一组平稳遍历函数型样本,Yi为取值于实数空间R的随机变量,Xi为取值于半度量空间F。文章考虑在Xi条件下关于Yi分位数回归函数的估计量,主要利用N-W核回归估计方法研究遍历函数型数据下条件分位数的逐点收敛速度。     

子样分位数的渐近分布

本文给出了内顺序统计量子样分位数的渐近分布为正态分布的结论。     

线性回归分位数的相依样本估计的强相合性

在误差为平稳强φ混合随机序列的条件下,证明了线性模型中的回归分位数的估计的强相合性     

随机效应模型的复合分位数回归估计

在纵向数据处理中,随机效应模型是使用频率非常高的模型之一。本文主要采用复合分位数回归估计的方法,在对其参数进行估计的同时,证明了此估计渐近正态性。经模拟研究,比对了中位数回归估计、传统最小二乘估计和复合分位数回归估计三种估计的精度,模拟结果显示,在样本有限的情况下,本文所提出的方法对随机效应模型的参数估计是有效的,尤其当模型误差项不遵循高斯分布时,复合分位数回归估计的实用性是明显的。     

缺失数据下基于经验似然的加权复合分位数回归推断

针对协变量随机缺失的线性模型, 提出一种基于经验似然的加权复合分位数回归推断方法, 并证明了在数据随机缺失机制下该方法的大样本性质. 结果表明, 该方法计算简单, 且对回归参数的估计效率高于逆概率加权法.     

具有幂变换的半参数分位数回归

考虑响应变量具有幂变换的半参数分位数回归模型.非参数部分运用B样条进行估计,通过最小化累积残差平方和来估计Box-cox幂变换中的参数.研究得到了半参数分位数回归模型估计的一致收敛速度.     

集值随机过程的均方导数

为了研究集值随机过程的微积分理论，利用有界闭凸集合弱收敛的性质和集合“开”的概念，给出了有界闭凸集值随机过程的均方导数的定义，建立了均方导数的若干性质，并讨论了集值随机过程均方可导与均方连续的关系。     

集值随机过程的均方Riemann-Stieljes积分

集值随机过程的积分理论是随机过程理论的一个新分支。利用随机集的位似及集值随机过程的均方收敛理论，创造性的定义了集值随机过程的均方Riemann-Stieljes积分，随后证明了均方Riemann-Stiel-jes积分存在性的判定定理，最后给出了分部积分计算公式，为今后进一步研究集值随机过程的微积分奠定了良好的理论基础。     

连续时间下非参数回归模型的回归函数核估计量的一致均方收敛速度

研究了连续时间下非参数回归的回归函数核估计量的收敛速度，给出了一定条件下回归函数估计量rt(x)的一致均方收敛速度，详细证明了两组条件下rT(X)分别满足：E(supx∈S|rT(X)-r(x)|)^2=0(T^-1/2)和E(supx∈S|rT(x)-r(x)|)^2=0(lnT)^2/S T^-1/2),其中r(x)表示未知的回归函数。     

关于模糊集值随机积分的一种新定义及相关性质

利用集值随机积分定义和水平截集方法,给出了模糊集值随机积分的一种新定义,并研究了模糊集值随机积分的鞅性和可加性．     

线性统计模型中回归分位点的强相合性及渐近正态性(英文)

论证了线性模型中回归分位点估计量的强相合性及渐近正态性等大样本性质 ,这些结果推广了陈希孺等 ( 1 990 ,1 992 )的有关定理 ,改进了Koenker与Basstee( 1 978) ,Gutenburnner与Jurec∨kova( 1 992 ) ,以及Jurec∨kovo与Prochazka( 1 994)等人的有关成果。     

两参数随机过程的一致随机连续性

证明了一致随机连续的两参数随机过程的矩形增量,在任意小的左开右闭的长方形上按概率收敛于0.     

随机删失半参数回归模型参数估计的渐近性质

考虑半参数回归模型Yi=Xiβ+g(Ti)+ei,i=1,2…,n,β∈Rd为未知回归参数,g(·)为[0,1]上的未知Borel函数.利用偏残差法并综合最小二乘法,定义了右删失数据情形下参数β、g(T)的核估计^β 、^g (T),在一定条件下,证明了^β 的渐近正态性,同时得到了^g (T)的最优收敛速度.     

半参数模型误差分布小波估计的渐近理论

考虑半参数模型Ｙ＝ＸＴβ＋ｇ（Ｔ）＋ε,其误差是ｉ．ｉ．ｄ随机变量,具有公共未知密度ｆ（ｔ）。基于残差构造ｆ（ｔ）的小波估计＾ｆｍ（ｔ）,在适当条件下,证明了该估计的弱相合、强相合、渐近正态性和收敛速度。     

随机谐振系统的小波性质

研究了随机谐振过程在小波变换下的相关性，稠度等性质．