我国人口总量的非参数预测模型

基于正交序列的非参数估计理论,建立了我国人口总量的非参数回归预测模型.并应用此模型对我国1952—2003年的人口总量和GDP总量进行了预测分析.结果表明:非参数回归模型优于线性回归模型,同时正交序列估计效果也优于k-近邻估计.

居民消费价格指数的非参数自回归模型

利用我国2004年～2008年的居民消费价格指数数据,建立非参数自回归模型,并分别用线性最小二乘方法、正交序列方法和多项式样条方法进行了拟合和预测.结果表明,非参数模型优于线性模型;在三种估计方法中,正交序列估计方法优于其他两种方法.最后将模拟、预测的结果和刘春燕等建立的基于ARIMA模型模拟、预测的结果进行了比较.

可加模型的两阶段局部M-估计

研究了可加模型分量回归函数的局部M-估计,针对分量回归函数及其导数提出了两阶段局部M-估计的方法.在较广泛的条件下建立了估计量的渐近正态性理论,估计量具有先知性质(oracle property),即在估计某一分量回归函数时,其他分量回归函数是否已知不影响估计量的渐近性质.渐近理论包括了两类常用的估计量,即最小二乘估计和最小一乘估计.当ψ是连续的且是非线性时,估计量的卖施非常耗时,为了减轻计算的负担,提出了一步局部M-估计量,并证明了在初始估计量足够好的情形下,一步局部M-估计量与完全迭代所得到的估计量具有相同的渐近估计效率,这使得两阶段局部M-估计的方法较为实用.两阶段局部M-估计量继承了局部多项式估计的优点,同时克服了其在最小二乘准则下不稳健的缺点.另外,还讨论了估计方法实施方面的细节及有关参数的选择方法.数值模拟结果及实际例子说明了两阶段局部M-估计方法的优点及实用性.