缺失数据下局部M-估计

在缺失响应变量的不完全数据下,对非参数回归模型进行研究.利用稳健的局部线性回归的方法,给出了回归函数m（x）的3个局部线性M-估计：完整数据M-估计,加权M-估计和估计的加权M-估计,证明了3个M-估计有相同的相合性和渐近正态性.模拟研究表明估计的加权M-估计优越于一般的加权估计.     

ND样本线性模型M估计的强相合性

研究了ND样本线性模型中回归参数M估计的强相合性,在较弱的矩条件下,获得了M估计是强相合的充分条件,推广了文献[1]中的定理3.3.1。     

线性模型中鞅差误差条件下回归系数L.S.估计的平均相合性

本文中,我们讨论了线性回归模型y_i=X_i~(?)β+e_i i=1,2,…的随机误差(e_i)是鞅差序列的条件下,给出了回归系数β的最小二乘估计的r-平均相合性.     

纵向数据下半参数EV模型的强相合性

为研究纵向数据下半参数EV函数关系模型中参数的估计问题,通过利用一般非参数权函数方法和全最小二乘法给出未知参数和未知函数的估计,在一般的条件下,证明了估计的强相合性,并对所得结果进行了模拟研究.模拟结果显示估计效果较好,所得结果可以应用于生物工程、金融分析、网络工程等领域的数据处理中.     

结构型EV多项式模型参数估计的相合性

在EV模型中，函数型EV多项式模型中未知参数估计问题已解决，但在结构型EV多项式模型中还未解决。利用改进的最小二乘估计方法构造了结构型EV多项式模型中未知参数β、σ^2的估计量β、σ^2，获得了估计量β、σ^2分别是β、σ^2的弱相合估计。     

系统误差下估计的r阶平均相合性

针对含有系统误差的线性回归模型Yn=Xnβ＋Iη＋e,研究了参数β和η估计的性质。当随机误差和设计矩阵满足一定的条件时,考虑η和β估计的r阶平均相合性。在0〈r〈1和r≥1两种不同的取值范围内,分别证明了其估计η（n）和β（n）的r阶平均相合性。     

一类回归函数小波估计的相合性

由于在实际应用中,回归函数的光滑性往往是未知的,假定回归函数的光滑性并不合理,因此研究一类带乘法噪声的回归模型,在不假定回归函数光滑性的条件下,证明了2种小波估计器的平均相合性.数值实验表明:随着样本容量的增大,由2种小波估计器得到的回归函数越来越接近真实的回归函数.特别地,当样本容量为1 000时,2种估计器得出的回归函数与真实回归函数基本吻合.数值实验支持了主要定理.该结论可看成是Chesneau与Shirazi工作的一种补充.     

～ρ-混合样本下线性模型误差分布的相合核估计

对于有公共的未知分布密度f(x)的一个线性模型的误差序列,首先利用收敛系统原理证明了回归系数β的最小二乘估计的相合性,然后由～ρ-混合序列的矩不等式,得到了f(x)的核估计^fn(x)的逐点弱相合性.     

一阶线性自回归模型下药物剂量水平的统计分析

考虑在一阶线性自回归模型下不会导致风险显著增加的最高剂量的估计问题,基于赤池信息准则的思想提出了一个新的估计方法,证明了该估计的强相合性,并通过模拟说明了其对于中小样本的优良性．     

拟合优度检验的回归分析方法及其应用

利用人工参数的方法,建立拟合优度检验的回归模型,并将其应用于参数估计．讨论了位置参数的估计的强相合性、渐近正态性和稳健性．     

一类非平稳两指标模型的参数估计

对于一类两指标时间参数的线性模型 Y_(?)=β_(?)~T·X_(?)+e_(?),其系数是两指标时变的,其误差是一个两指标平稳 AR(p)序列,文中给出了它的参数估计方法,并证明了估计的相合性.     

部分线性模型的统一估计的强相合性

在纵向数据研究中,要求对个体的观测为稀疏的,在函数型数据研究中,要求对个体的观测为稠密的,为了抛弃这些限制性的条件,考虑部分线性模型,对函数型数据和纵向数据的半参数部分线性模型提出了一种统一的估计方法,并证明了估计的强相合性,在提出的估计中,个体的观测数目是完全灵活的,克服了以前方法的缺点．     

相依截尾数据非参数回归函数加权核估计

在ρ~相依下讨论截尾数据非参数回归函数加权核估计的强相合性,对强相合性给出一些较弱的充分条件.     

一类周期双线性模型的极大似然估计

提出了一类PBLARCH（p,p）模型,讨论了这一模型的一些概率性质,并给出了该模型存在严周期平稳性和周期遍历性解的几个充分条件.提出了该模型的极大似然估计,并在一定的条件下证明了该模型的极大似然估计的相合性和渐近正态性.     

(p)相依截尾数据非参数回归函数加权核估计

在(p)相依下讨论截尾数据非参数回归函数加权核估计的强相合性,对强相合性给出一些较弱的充分条件.     

误差是非参数AR（1）序列的变系数模型

利用局部线性方法给出误差序列{εi,1≤i≤n}是非参数AR（I）序列下的变系数模型系数函数的估计,并在此基础上研究了系数函数估计的相合性问题,给出了该模型系数函数估计是弱相合的。     

一类乘法删失模型小波估计器的相合性

在实际应用中,假定密度函数的光滑性并不合理,原因在于密度函数的光滑性往往是未知的.针对乘法删失混合模型的密度估计问题,在不假定密度函数光滑性的前提下研究线性小波估计器平均相合性.这一结果可以看作是对Chaubey、Chesneau与Doosti(2015)工作的补充.     

ρ相依截尾数据非参数回归函数加权核估计

在ρ相依下讨论截尾数据非参数回归函数加权核估计的强相合性，对强相合性给出一些较弱的充分条件．     

独立样本回归函数估计的强相合性

在独立样本下研究非参数回归函数加权核估计的强相合性,得到了一些较弱的充分条件。     

广义线性模型拟似然估计的弱相合性

研究了广义线性模型在非典则联结情形下的拟似然方程Ln(β)=∑ni=1XiH(X’iβ)Λ-1(X’iβ)(yi-h(X’iβ))=0的解βn在一定条件下的弱相合性,证明了收敛速度βn-β0≠op(λn-1/2)以及拟似然估计的弱相合性的必要条件是:当n→∞时,S-1n→0。