简介: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强相合性,得到了与独立情形一致的结论.
简介:在GPS和测绘等领域中,混合整数线性模型是非常重要的一种模型。本文在混合整数线性模型参数的最小二乘估计的基础上,证明了该估计量的弱相合性。MonteCarlo模拟验证表明,各参数估计的相合效果明显。
简介:设Yi=x′iβ0+ei,i=1,…,n,为线性回归模型。此处x1,x2,…为已知p维向量。以βn记β0的L1估计,即设随机误差e1,e2,…独立,med(ei)=0,且存在正数l1,l2,使P(-h≤ei≤0)≤l1h≥P(0≤ei≤h),0≤h≤l2,i=1,2,…则当时,βn不是β0的弱相合估计。
相协样本半参数回归模型估计的强相合性
混合整数线性模型参数最小二乘估计的弱相合性
线程回归系数L1估计弱相合性的一个必要条件