【核实数据情形下nsevr模型的估计理论韦节村】.pdf

致谢感谢李勇副教授和崔恒建副教授在三年学习期间孜孜不倦的教诲和悉心指导,他们严谨的治学态度、渊博的知识,使我受益匪浅,谨在此对他们的辛勤培育表示衷心的感谢.感谢数学系96级全体同窗三年来在生活、学习方面对我的热情帮助,特别感谢商广娟、何世龙、范小明等同学的大力帮助.衷心感谢师兄秦怀振在本文的写作过程中给予的大力帮助.本文的写作过程中,始终得到我的导师李勇老师的悉心指导和崔恒建老师的启发和指点,在此向他们致以深深的谢意。

文中符号说明对任意m维向量函数f(c1,2,,Zm),=(x1,2m),记 -2=c2T af(z)(af(x) af(x) 2f(z) a2f(z) 2f(z) 0x1021 0zmdz1 82f(z) o2f(z) 0z10zm 0zn0z1 对X=(c11,,x1m),Xn=(cn1,.,2nm),记对Ak=(aijk)mn,k=1,.

对度量误差模型的研究来源于许多领域,诸如生物,病理,森林,经济等.这个课题在线性回归方面已有大量文献,Fuller对线性度量误差模型的研究做了详细的总结.近几年来,偏线性度量误差模型引起了许多学者的兴趣:[Y=βT+g(T)+∈, x=+,其中Y是响应变量,是真正的预测变量,X是实际观测到的预测变量,它带有度量误差 u.崔恒建在E(e,)=0,Cou(E,vT)T=oIp+1的假定下给出了β和g的广义核最小二乘估计,证明了其相合性与渐进正态性,并在一些基本的条件下证明了它们达到了各自的最优收敛速度.