| 中文摘要 | 第1-9页 |
| 英文摘要 | 第9-15页 |
| 第一章 弱相依数据非参数模型中的小波方法 | 第15-45页 |
| 1．1 弱相依数据模型中的Bootstrap小波方法 | 第15-27页 |
| 1．1．1 模型 | 第15-17页 |
| 1．1．2 弱相依数据固定设计模型中的Bootstrap小波方法 | 第17-25页 |
| 1．1．3 弱相依数据随机设计模型中的Bootstrap小波方法 | 第25-27页 |
| 1．2 弱相依数据模型中的分块Bootstrap小波方法 | 第27-42页 |
| 1．2．1 模型 | 第27-28页 |
| 1．2．2 弱相依数据固定设计模型中的分块Bootstrap小波方法 | 第28-31页 |
| 1．2．3 弱相依数据随机设计模型中的分块Bootstrap小波方法 | 第31-32页 |
| 1．2．4 定理的证明 | 第32-42页 |
| 1．3 数值模拟 | 第42-45页 |
| 第二章 弱相依数据线性回归模型中的拟回归方法 | 第45-59页 |
| 2．1 模型 | 第45-47页 |
| 2．2 尺度系数的分块拟回归 | 第47-54页 |
| 2．2．1 分块拟回归 | 第47-52页 |
| 2．2．2 修正分块拟回归 | 第52-54页 |
| 2．3 模型残差方差的估计 | 第54-55页 |
| 2．4 数值模拟 | 第55-59页 |
| 第三章 弱相依数据半参模型中的经验Eucliden似然方法 | 第59-71页 |
| 3．1 经验似然 | 第59-60页 |
| 3．2 分块经验Eucliden似然 | 第60-61页 |
| 3．3 收敛性和渐近正态性 | 第61-67页 |
| 3．4 渐近χ~2分布 | 第67-69页 |
| 3．5 讨论 | 第69-71页 |
| 第四章 相依数据非线性模型的拟似然 | 第71-95页 |
| 4．1 相依数据非线性模型的拟似然 | 第71-84页 |
| 4．1．1 模型 | 第71-72页 |
| 4．1．2 拟得分函数的最优性 | 第72-74页 |
| 4．1．3 拟似然估计的渐近最优性 | 第74-78页 |
| 4．1．4 拟似然估计最优与拟得分最优的关系 | 第78-79页 |
| 4．1．5 约束拟似然估计 | 第79-84页 |
| 4．2 聚集数据非线性模型中的拟似然 | 第84-89页 |
| 4．2．1 模型 | 第84-85页 |
| 4．2．2 守恒拟得分 | 第85-87页 |
| 4．2．3 守恒拟得分的构造 | 第87-89页 |
| 4．3 部分参数的最佳偏差拟似然 | 第89-95页 |
| 4．3．1 拟最佳偏差曲线 | 第90-91页 |
| 4．3．2 最佳偏差拟得分函数的估计 | 第91-95页 |
| 第五章 相依非线性回归系统中的附加信息拟似然 | 第95-103页 |
| 5．1 模型 | 第95-96页 |
| 5．2 附加信息Bayes拟似然 | 第96-97页 |
| 5．3 附加信息Bayes拟似然的性质 | 第97-100页 |
| 5．4 推广 | 第100-102页 |
| 5．5 附加信息近似拟似然 | 第102-103页 |
| 参考文献 | 第103-108页 |
| 攻读博士学位期间论文发表（或待发表）情况 | 第108-109页 |
| 后记和致谢 | 第109-110页 |
