带有不完全椭球约束的线性模型中线性估计的可容许性

本文刻划了线性模型（Ｙ，Ｘβ，σ２Ｖ，Ｖ≥０）在不完全椭球约束：（β－β０）’Ｎ（β－ β Ｐ０）≤σ２，Ｎ ≥ ０下的线性估计的可容许性．本文的结果显示了一个有趣的现象，即一个线性估计在全体线性估计所组成的类中的可容许性与椭球的中心β０无关，而在全体齐次线性估计所组成的类中的可容许性与β０有关．     

Sβ不可估时（Sβ,σ^2）的联合估计的可容许性

对于一般的Ｇ－Ｍ模型Ｙ－Ｎ（Ｘβ，σ＾２Ｖ），Ｖ≥０，当Ｓβ不是线性可估的时，本文分别得到了矩阵损失下（Ｓβ，σ＾２）的联合估计（ＬＹ＋ａ．ＹＡＹ）的估计类中和在一切估计的类中可容许的充要条件，以及在二次损失ＬＹ＋ａ－Ｓβ＋（ＹＡＹ－σ＾２）＾２下和估计类中可容许的充要条件。     

具有未知误差方差的多元正态线性模型中回归系数的所有k-容许估计

考虑多元线性模型Ｙ～Ｎ（ＸΘ，σ２ＩｍＶ），和ＳＸΘ的估计问题，取损失函数为（σ－ＳＸΘ）′（δ－ＳＸΘ），本文定义所谓的ｋ－容许性和Φ（ｋ）－容许性．本文在一定条件下得到了ＳＸΘ的线性估计ＬＹ＋Ｄ在一切估计类中ｋ－容许和Φ（ｋ）－容许的充要条件．一般情况下得到了充分条件和必要条件．     

多元线性模型中均值矩阵的函数的所有可容许线性估计

对于多元正态线性模型Ｙｎ×ｍ￣Ｎ（Ｘ－，Σ×Ｖ），Ｖ≥０和Σ≥０已知，在三种不同的可容许性意义下，该文分别得到了ＳＸ－的线性估计ＬＹ＋Ｄ在一切估计类中可容许的充要条件。     

正态线性模型中可估函数的Minimax估计

对于正态线性模型Ｙ～Ｎ（Ｘβ，б2Ｖ），在二次损失Ｌ（б，ＤＸβ）＝下，本文利用可容许性理论，证明了可估函数ＤＸβ的一个线性估计在一切估计类中是ＤＸβ的唯一Ｍｉｎｉｍａｘ估计。     

两个方差分量的不变二次估计的可容许性

本文对Ｙ￣Ｎ（Ｘβ，θ１Ｖ１＋θ２Ｖ２），Ｖ１，Ｖ２〉０给出了方差分量的线性函数的不变二次无偏估计、不变二次非负估计及不变二次估计不可容许的充要条件，并据此给出了具体判别上述估计的可容许性的方法。     

一般增长曲线模型参数阵的BLU估计

考虑一般增长曲线模型：Ｙ＝Ｘ１ＢＸ２＋εＥ（Ｖｅｃ（ε））＝０Ｖ（Ｖｅｃ（ε））＝σ２ＶＩｎ（Ｖ０）本文对任一可估函数ＫＢＬ给出了它的ＢＬＵ估计（最佳线性无偏估计），并得到了方差σ２的一个无偏估计．     

正态线性模型中误差方差的二次型估计的容许性

设Ｙ遵从Ｎ（Ｘβ，σ２Ｉｎ），秩（Ｘ）＜ｎ，在平方损失下，本交给出σ２的二次型估计在整个估计类中可容许的充要条件．     

多元统计中期望向量的线性容许估计

设Ｙ１，Ｙ２，…，Ｙｎ独立同分布，ＥＹ１＝β，ＣｏｖＹ１＝Σ，这里β∈Ｒｍ与Σ：ｍ×ｍ＞０均未知．取Ｌ１（ｄ，β）＝（ｄ－β）′（ｄ－β），Ｌ２＝（ｄ，β）（ｄ－β）′，Ｌ＝｛Ｌ１Ｙ１＋Ｌ２Ｙ２＋…＋ＬｎＹｎ：Ｌｉ为ｍ阶实方阵，ｉ＝１，２，…，ｎ｝．本文在Ｌ１和Ｌ２下分别给出了线性估计在Ｌ中是β的容许估计的充要条件．     

均值矩阵的函数的所有可容许估计

对于多元正态线性模型Ｙｎｘｍ～Ｎ（Ｘθ,σ２∑Ｖ）,在四种不同的可容许意义下,本文研究了ＳＸθ的线性估计ＬＹ＋Ｄ在一切估计类中的可容许性在适当条件下得到了充要条件,在一般情况给出了充分条件和必要条件．     

矩阵损失下均值向量的线性可容许估计

设Ｙ＝（Ｙ１，…，Ｙｎ）′相互独立，ＥＹ＝Ｘβ，ＣｏｖＹ＝Ｘｄｉａｇ（β１，…，βｎ）Ｘ′，β＝（β１，…，βｎ）′∈Ｒ＋ｎ为参数，Ｒ＋＝（０，＋∞），Ｘ为已知的元素非负且对角线元素为正的ｎ阶满秩矩阵，估计均值Ｘβ，选取损失函数为矩阵损失，估计类为Ｄ＝｛ＡＹ：Ａ为元素非负的ｎ阶矩阵｝．本文研究ＡＹ在Ｄ中的容许性，获得了ＡＹ在Ｄ中是Ｘβ的容许估计的充要条件．     

方差分量的非负二次同时估计的可容许性

设方差分量模型，其中β∈为未知参数，Ｘ已知，Ｖ１≥０，Ｖ２≥０为已知的非负定矩阵．文［１］在一定的条件下给出了非负二次估计可容许的一个充分必要条件．但必要条件是在ｘ＝Ｉｎ（单位矩阵），Ｖ１＝Ｖ２＞０的条件下给出的，由于这些限制使必要条件不理想．本文去掉了这些限制，对一般的方差分量模型，给出了与文［１］中一样的必要条件，同时也研究了非齐次二次估计的可容许性．     

矩阵损失下一个参数子集的线性MINIMAX估计

考虑带多余参数的线性模型ＥＹ＝Ｘβ＋Ｚγ，Ｃｏｖ（Ｙ）＝σ＾２Ｖ。其中Ｖ是已知的非负定对称矩阵，在适当和假设下，我们得到了可估函数Ｓβ的所有线性ＭＩＮＩＭＡＸ估计。     

协方差改进估计与相依混合效应回归方程

本文首先讨论了广义线性模型Ｙ＝Ｘβ＋ε（ε～（Ｏ，Ｖ））的系数β的最优线性无偏估计是用Ｔ２＝ＸＹ作为伴随变量对最小二乘估计Ｔ１＝（ＸＸ）－１Ｘ１Ｙ进行改进而得到的协方差改进估计．并把所得结果用于经济领域中的线性相依回归方程系统（ＳｅｅｍｉｎｇｌｙＵｎｒｅｌａｔｅｄＲｅｇｒｅｓｓｉｏｎＥｑａｕｔｉｏｎｓＳｙｓｔｅｍ）．然后关于一类线性相依混合效应回归方程系统，提出了一种优化估计方法。     

不变二次损失下期望向量的线性容许估计

设Y1，Y2，…，Yn独立同分布，EY1＝β,CovY1＝∑,β∈Rp和∑＞0均未知．在不变损失函数（d－β）＇∑－1（d－β）下，我们给出了齐次和非齐次线性估计在各自的类中是β的容许估计的充要条件．     

GMANOVA—MANOVA模型中的两阶段抽样估计

对于ＧＭＡＮＯＶＡ－ＭＡＮＯＶＡ模型Ｙ＝Ｘ１Ｂ１Ｘ＇２＋ＺＢ２＋ε(1)Ｃｏｖ（Ｙ）＝∑　Ｉｎ．(2)本文通过两阶段抽样构造出了其均值参数矩阵Ｂ_１,Ｂ_２的一种估计Ｂ（_１Ｎ１）,Ｂ_（２Ｎ２）,使得这种估计在二次损失下,其风险小于任意预先给定的ε＞ ０,并且证明了这种估计的停时数（ｓｔｏｐ　ｎｕｍｂｅｒ）是渐近有效的（在Ｃｈｏｗ　ａｎｄ　 Ｒｏｂｂｉｎｓ　（１９６５）意义下）．     

一般增长曲线模型回归系数线性估计的泛容许性

本文讨论一般的增长曲线模型；Ｘ＝ＡＢＣ＋ε，Ｅ（ε）＝０，Ｖａｒ（ε）＝σΣＶ，其中Ｘ和ε是ｐ×ｎ价随机阵，Ａ、Ｃ分别为ｐ×ｑ，ｋ×ｎ已知阵，Σ、Ｖ分别Ｐ、ｎ阶已知非负定阵，Ｂ和σ为未知参数．在损失函数（ｄ（Ｘ）－ＫＢＬ）＇（ｄ（Ｘ）－ＫＢＬ）下，我们给出了可估函数ＫＢＬ的线性估计的泛（Φ）容许性定义，得到了ＤＸＦ（ＤＸＦ＋Ｍ）在某些估计类中是ＫＢＬ的泛容许性估计的充要条件．     

截断线性模型的Fourier变换估计

设有模型Ｙ＝Ｘβ０＋Ｕ，其中β０为未知参数，Ｘ为自变量，误差项Ｕ与Ｘ独立，且ＥＵ＝０，Ｕ－Ｆ（未知）。当Ｗ≤ｔ（已知）时才有观察（Ｘ，Ｙ），本文给出模型参数β０的Ｆｏｕｒｉｅｒ变换估计，并证明了估计量β的强相合性及渐近正态性。     

相依线性回归方程组的一种“朴实”两步估计的有效性

对于相依线性回归方程组Ｙｉ＝Ｘｉβｉ＋εｉ（ｉ＝１，２），我们提出了系数向量βｉ的一种较为简便的“朴实”的两步估计量，例如β１的估计量为β１（Ｔ）＝（Ｘ’１，Ｘ１）＾－１Ｘ‘１Ｙ１－σ１２σ２２（Ｘ’１Ｘ１）＾－１Ｘ‘１ＴＹ２。其中Σ＝（σｉｊ）的一种估计量，本文给出了Σ的一种新取法，通过均方误差矩阵的大小我们证明了这种简便两种估计有有限样本量下可优效于ＬＳ估计。     

Hadamard积和酉不变范数不等式

设Ｍｎ，ｍ是ｎ×ｍ复矩阵空间，Ｍｎ≡Ｍｎ，ｎ．对于Ｈｅｒｍｉｔｅ阵Ｇ，Ｈ∈Ｍｎ，ＧＨ表示Ｇ－Ｈ半正定．记Ａ和Ｂ的Ｈａｄａｍａｒｄ积为ＡＢ．本文证明了若Ａ，Ｂ∈Ｍｎ正定，而Ｘ，Ｙ∈Ｍｎ，ｍ任意，则（ＸＡ－１Ｘ）（ＹＢ－１Ｙ）（ＸＹ）（ＡＢ）－１（ＸＹ），ＸＡ－１Ｘ＋ＹＢ－１Ｙ（Ｘ＋Ｙ）（Ａ＋Ｂ）－１（Ｘ＋Ｙ）．这推广和统一了一些现存的结果．设‖·‖为任意酉不变范数，Ｉ是单位矩阵．本文还证明了对于Ｘ∈Ｍｎ，ｍ和Ａ∈Ｍｎ，Ｂ∈Ｍｍ，若ＡＩ，ＢＩ，则函数ｆ（ｐ）＝‖ＡｐＸ＋ＸＢｐ‖在［０，∞）上单调递增．