已閱讀1頁,還剩49頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、本文主要分三部分,分別討論了在隨機誤差的不同相依情況下,不同模型的S-估計的大樣本性質(zhì)。 在第一部分中,對于線性回歸模型:yi=xiTθ0+ei,i=1,2,…,n,當(dāng){ei,i=1,2,…,n}為混合序列時,研究了S-估計的漸近性質(zhì)。證明了S-估計具有強相合性和漸近正態(tài)性,并且獲得了類似獨立同分布情形的方差-協(xié)方差結(jié)構(gòu)。在這里,我們主要是針對隨機誤差為α混合序列及φ混合序列兩種情況進行研究。 在第二部分中,研究對于線性
2、回歸模型,當(dāng)隨機誤差{ei,i=1,2,…,n}為negativelyassociated(NA)或positivelyassociated(PA)序列時,S-估計的漸近性質(zhì)。在適當(dāng)?shù)臈l件下,得出S-估計的上述兩個性質(zhì)成立。 第三部分中,定義了S-估計的一般形式,并證明了這樣定義的S-估計仍具有強相合性和漸近正態(tài)性。對于線性回歸模型,非線性回歸模型,AR時間序列以及EIVR模型下的S-估計,作為廣義S-估計的特例進行了研究分析。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于ρ混合誤差下非參數(shù)回歸模型局部多項式估計的漸近性質(zhì).pdf
- 負相關(guān)時間序列誤差下回歸模型的漸近性質(zhì).pdf
- 相依樣本小波密度估計的漸近性質(zhì).pdf
- 基于相依樣本序列熵函數(shù)估計漸近性質(zhì)的研究.pdf
- 相依誤差下線性模型的經(jīng)驗似然推斷.pdf
- 關(guān)于S-膨脹類與S-覆蓋性質(zhì)的研究.pdf
- 矩估計量的漸近性質(zhì).pdf
- ρ混合序列下CVaR估計的漸近性質(zhì).pdf
- s-正規(guī)群及其性質(zhì).pdf
- m-相依誤差下非線性半?yún)?shù)模型的經(jīng)驗似然推斷.pdf
- 相依索賠下基于客戶來到風(fēng)險模型的漸近性質(zhì).pdf
- 分數(shù)階微分方程的S-漸近ω-周期解.pdf
- 一類反應(yīng)擴散方程譜方法解的漸近性質(zhì)及長時間的誤差估計.pdf
- 關(guān)于測度量子誤差漸近性質(zhì)的若干研究.pdf
- ARFIMA模型參數(shù)貝葉斯估計的漸近性質(zhì).pdf
- 時間變系數(shù)COX模型估計的漸近均方誤差討論.pdf
- 無限方差的GARCH模型的WLAD估計及漸近性質(zhì).pdf
- 基于相依左刪失數(shù)據(jù)眾數(shù)非參數(shù)核估計的漸近性研究
- 基于NQD樣本密度函數(shù)估計的漸近性質(zhì)研究.pdf
- 基于相依左刪失數(shù)據(jù)眾數(shù)非參數(shù)核估計的漸近性研究.pdf
評論
0/150
提交評論