系数函数光滑度互不相同的变系数模型的一步估计法

该文提出了一种一步估计方法用以估计变系数模型中具有互不相同光滑度的未知函数,所有未知函数和它们的导数的估计量由一次极小化得到.给出了估计量的渐近性质,包括渐近偏差、方差和渐近分布,一步估计量被证明达到了最优收敛速度.

删失数据下变系数模型的一步估计法

用局部多项式估计法对删失数据下的系数函数光滑程度不同的变系数模型进行一步估计,达到了最优收敛速度,得出了渐近条件偏差和渐近条件方差。

变系数模型中的一步估计法

提出一步估计方法用以估计变系数模型中具有不同光滑度的未知函数．在这一方法中，不同阶的多项式用来逼近不同光滑度的未知函数．由于只使用一次极小化，所需计算量要比现有的两步方法少得多．一步估计量被证明达到了最优收敛速度，而且，这一性质是在比两步估计法更弱的条件下得到的．更重要的是，由于只执行一次极小化，估计量的所有渐近性质，不仅是渐近偏差、方差，而且渐近分布都能推出．渐近分布将在统计推断中起着重要作用．