论文部分内容阅读
考虑线性回归模型 (1)其中为未知的维回归参数向量；为已知的维向量,为随机误差. 设为上的函数,的估计定义为满足下式的： (2)陈希孺和赵林城的专著[1]在随机误差为独立的情形下较全面地讨论了估计的强、弱相合性、渐近正态性、基于估计的线性假设检验的方法和理论以及估计的线性表示。在研究估计的强相合时其定理3.1的矩条件是要求有任意阶矩,这显然太强。杨善朝(2002)[2]对其做了较好的改进.本文将在随机误差为相协序列的情形下讨论估计的强相合性,得到了矩条件较弱的充分条件,实质性地改进了杨善朝(2002)[2]在独立情形下的结论. 设有模型(1),记 ,以和分别记的左、右导数,[]表示不大于的最大整数. 结论如下： 定理1 设为序列,为凸函数,满足以下三个条件： 10存在常数>； 0, >；0,使对一致的都有 (当<；时), (3) 20存在常数使 (4) 30存在常数>；0,,和,使 (5)则为的强相合估计. 定义最大协方差系数 (6) 定理2 设为序列,为凸函数,若满足(3)式且存在常数<；WP=4>；满足(4)式及以下条件： 40存在常数>；0, 和有 (7) 50存在常数,使 (8)60记,若 ,其中为零测度集 (9)则为的强相合估计. 定理3 设为序列,为凸函数,若满足(3) 式 ,存在常数满足(4) 式,且满足下述两条件之一： (i) 存在常数, 使 (ii) 有界,或等价地,满足Lipschitz 条件. 则当存在常数,有 (10)时,为的强相合估计.