Линке Ю. Ю., Саханенко А. И.
Асимптотически оптимальное оценивание в задаче линейной регрессии при невыполнении некоторых классических предположений

Рассмотрена задача оценивания параметров линейной регрессии в случае зависимости дисперсий наблюдений от неизвестных параметров модели. Предложена двухшаговая процедура нахождения асимптотически линейных оценок. Найдены общие достаточные условия асимптотической нормальности введенных оценок, установлен явный вид наилучшей асимптотически линейной оценки. Детально изучено поведение оценок в случае одномерной по параметру модели регрессии.

Linke Yu. Yu. , Sakhanenko A. I.
Asymptotically optimal estimation in the linear regression problem in the case of violation of some classical assumptions

We consider the problem of estimating the unknown parameters of linear regression in the case when the variances of observations depend on the unknown parameters of the model. A two-step method is suggested for constructing asymptotically linear estimators. Some general sufficient conditions for the asymptotic normality of the estimators are found, and an explicit form is established of the best asymptotically linear estimators. The behavior of the estimators is studied in detail in the case when the parameter of the regression model is one-dimensional.

Полный текст статьи / Full texts:

• PDF file (455 KB)
• PostScript file (885 KB)