本文考虑多维广义线性模型的拟似然方程sum from i=1 to n X_i(y_i-μ(X_i^1β))=0,在一定条件下证明了此方程的解(?)渐近存在,并得到了其收敛速度,即■_n-β_0=O_p(■_n^(-1/2)),其中β_0为参数β的真值,■_n是方阵S_n=sum from i=1 to...本文考虑多维广义线性模型的拟似然方程sum from i=1 to n X_i(y_i-μ(X_i^1β))=0,在一定条件下证明了此方程的解(?)渐近存在,并得到了其收敛速度,即■_n-β_0=O_p(■_n^(-1/2)),其中β_0为参数β的真值,■_n是方阵S_n=sum from i=1 to n X_iX_i^1的最小特征值．展开更多
广义帕累托分布(GPD)在极值统计的POT模型中常常被用来逼近超过阈值u的超出量X_i-u的分布.为解决经典估计方法存在的问题,Zhang(Zhang J,Likelihood moment estimation for the generalized Pareto distribution,Aust N Z J Stat,2007,4...广义帕累托分布(GPD)在极值统计的POT模型中常常被用来逼近超过阈值u的超出量X_i-u的分布.为解决经典估计方法存在的问题,Zhang(Zhang J,Likelihood moment estimation for the generalized Pareto distribution,Aust N Z J Stat,2007,49:69-77)对两参数GPD(GP2)提出一种新的估计方法——似然矩估计(LM),它容易计算且具有较高的渐近有效性.本文将此方法从两参数的情形推广到三参数GPD(GP3),结果表明尺度参数和形状参数估计的渐近性质与以上所提到的文章完全相同.针对GP3的LM估计也具有总是存在、易于计算以及对绝大多数的形状参数具有接近于最小的偏差和均方误差的特点.展开更多
基金partly supported by National Natural Science Foundation of China and President Foundation of GUCAS.
文摘本文考虑多维广义线性模型的拟似然方程sum from i=1 to n X_i(y_i-μ(X_i^1β))=0,在一定条件下证明了此方程的解(?)渐近存在,并得到了其收敛速度,即■_n-β_0=O_p(■_n^(-1/2)),其中β_0为参数β的真值,■_n是方阵S_n=sum from i=1 to n X_iX_i^1的最小特征值．
文摘广义帕累托分布(GPD)在极值统计的POT模型中常常被用来逼近超过阈值u的超出量X_i-u的分布.为解决经典估计方法存在的问题,Zhang(Zhang J,Likelihood moment estimation for the generalized Pareto distribution,Aust N Z J Stat,2007,49:69-77)对两参数GPD(GP2)提出一种新的估计方法——似然矩估计(LM),它容易计算且具有较高的渐近有效性.本文将此方法从两参数的情形推广到三参数GPD(GP3),结果表明尺度参数和形状参数估计的渐近性质与以上所提到的文章完全相同.针对GP3的LM估计也具有总是存在、易于计算以及对绝大多数的形状参数具有接近于最小的偏差和均方误差的特点.
