相依误差下非参数回归函数估计的强相合性

当误差为平稳、—混合过程时,在一定的条件下证明了一类非参数回归函数加权核估计的强相合性。

m-相依误差下部分线性模型的经验似然统计推断(英文)

本文中,我们针对误差为m.相依序列的固定设计的部分线性模型,运用经验似然方法和分组经验似然方法,构造了回归参数的对数经验似然比检验统计量,并且证明了分组经验似然比检验统计量在参数取真值时是渐近地服从卡方分布的.模拟计算表明分组经验似然方法的有效性.

m_0相依误差下非线性回归模型LS估计的大偏差

该文获得了m0相依误差下非线性回归模型LS估计的大偏差。

相依误差近似回归模型的稳健设计(英文)

利用再生核空间方法研究相依误差近似回归模型的稳健设计问题.假定模型偏差来自概率测度为P的函数类H,同时还假定不同试验所产生的误差不独立.采用广义最小二乘估计作为参数向量的估计,根据平均预测风险最小原理得到了一个稳健设计准则.数值例子表明由该准则得到的设计具有良好的稳健性.

相依误差下回归函数导数估计的渐近分布

设 y1 ,… ,yn 是固定点 x1 ,… ,xn 的 n个观察值 ,适合模型 yi =g(xi) +εi,1≤ i≤ n.在 {εi}为φ混合、α混合、ρ混合误差序列情形下 。

计及预测误差时空-条件相依特性的日内光伏出力区间预测方法

由于光伏出力预测误差无法避免,区间预测可以更准确地描述光伏的不确定性,从而对电力系统的决策提供指导,而现有研究方法不能够充分地挖掘光伏功率的物理变化过程,因此提出了一种考虑预测误差时空-条件相依特性的日内光伏出力区间预测框架。首先通过外观相似性更新(appearance similarity update,ASU)模型得到考虑时间相依性的预测误差,再通过长短期记忆(long short-term memory,LSTM)网络模型以及空间相关性的分析得到考虑空间相依性的预测误差,并对预测的出力进行修正,最后依据其误差的条件相依性得到不同置信度下的区间预测。整体框架的效果在新疆光伏电场被验证,其均方根误差能够降低3%以上,同时考虑更新后的预测误差时空-条件相依性的区间预测效果有所提升,验证了所提方法的有效性和可行性。

相依误差下回归函数的小波估计

对于非参数回归模型Yi=g(ti)+σiεi,i=1,2,…,n,中的函数g(t)的小波估计■n(t),在{εi,i=1,2,…,n}是NA和PA随机误差时,研究了估计■n(t)的弱相合速度以及r-阶矩相合性.

相依误差下线性模型参数估计的渐近正态性

获得了误差为鞅差或线性过程时线性模型参数估计的渐近正态性.

相依误差下非线性回归模型LS估计的收敛速度

研究非线性模型的参数估计问题 ,在误差满足较宽泛的条件时 ,证明了参数的最小二乘估计具有强相合性及强相合速度 .

负相依误差下随机设计的半参数回归模型的渐近正态性

考虑了误差为负相依误差的随机设计半参数回归模型.利用权函数和最小二乘估计的方法给出了参数和非参数的最小二乘估计和加权最小二乘估计,并在较弱的条件下得到了它们的渐近正态性.

线性模型中误差为相依情形下误差方差估计的Berry-Esseen界限

本文主要讨论了线性模型中误差为α－混合强平稳序列情形下，误差方差估计的Ｂｅｒｒｙ－Ｅｓｓｅｅｎ界限，其阶为ｎ－１２＋λ（λ＞０）．

相依误差广义线性模型的M估计的Bahadur表示

考虑如下广义线性模型y_i=h(x^T_i,β)+e_i=1,2,…,n,其中e_i=G(…,ε_(i-1),ε_i),h是一个连续可导函数,ε_i是独立同分布的随机变量,并且它的期望为0,方差σ~2有限.本文给出了参数β的M估计,并且得到了该估计的Bahadur表示,该结论推广了线性模型的相关结论.应用M估计的Bahadur表示,得到了相依误差的线性回归模型,poisson模型,logistic模型和独立误差的广义线性模型等模型的渐近性质.

基于阈值惩罚自回归模型的消费者信心指数的统计研究

介绍了阈值自回归模型,通过加入惩罚达到自回归定阶,并给出了相应算法,不仅能选出自回归参数,而且能估计阈值点.模拟研究发现,带有惩罚的阈值自回归模型的估计效果更好.实证选取了我国2011—2018年消费者信心指数的经济数据,通过阈值自回归模型和阈值惩罚自回归模型计算得到消费者信心指数的阈值点均为106,即消费者信心指数在106处存在变点,说明消费者趋于乐观状态.