线性模型中两步估计与BLUE差别的度量

本文讨论了广义线性模型中均值向量向和回归系数两步估计与最佳线性无偏估计差别的度量方法，给出了均值向量(回归系数)两步估计μ^-(β^-)相对于其最佳线性无偏估计μ^*(β^*)的相对精度P(μ^-|μ^*)的界及μ^--μ^*(β^--β^*)的欧氏范数界．并把文章结果应用到两阶段抽样回归模型，方差非齐次回归模型，半相依回归模型中．     

多元线性回归模型中的线性经验Bayes估计

H.Robbins提出的经验Bayes估计应用于多元线性回归模型,已有一些文献进行了讨论。Martz和Krutchkoff通过Monte-Carlo模拟试验讨论了一般假设下的线性回归模型问题,但并没有从理论上证明他们所给出的EB估计的任何相合性和渐近最优性。Wind考虑了当误差向量满足0均值σ~2I为协方差阵时,回归系数的EB估计问题,但其结果也存在着缺陷。Singh考虑了在多元线性回归模型中误差向量具有多元正     

一般线性混合模型中的最佳线性无偏估计和谱分解估计

该文在一般线性混合模型中, 研究了固定和随机效应线性组合的估计问题.对观测向量的协方差阵可以为奇异矩阵情形下,导出了该组合的最佳线性无偏估计,并证明了它的唯一性.在一般线性混合模型的特例, 三个小域模型下, 得到了小域均值u_i 和方差分量的谱分解估计. 进而, 获得了基于谱分解估计的两步估计均方误差的二阶逼近.     

两步估计的效率

对一般线性模型,为了判定和比较两步估计的优劣,本文引进了两步估计的相对效率的三种度量,给出了它们的下界,并把所得结果应用于两种线性模型:误差方差非齐性的回归模型和误差是一阶自相关的回归模型.     

线性模型中参数向量的线性经验Bayes估计

本文利用线性经验Ｂａｙｅｓ估计的思想，对线性回归模型中未知参数向量构造了一类线性经验Ｂａｙｅｓ估计，并在一定条件下证明了其具有的ａ．ｏ．收敛速度．     

部分线性回归模型的M-估计

本文讨论部分线性回归模型的M-估计．用局部线性方法给出未知函数的M-估计，用两步估计方法给出参数的M-估计．进一步证明了未知函数的M-估计的弱一致性和渐近正态性，参数的M-估计的弱一致性．     

增长曲线模型中向量函数的线性可容许性

对增长曲线模型中回归矩阵的向量函数的估计,在矩阵损失下,我们得到了线性估计在一切线性估计类中可容许的充要条件。     

两参数联立EB估计的渐近最优性

一、引言文[1]中研究了一元正态分布均值与方差联立EB估计的渐近最优性,作者在[2]中讨论了正态线性模型回归系数的EB估计问题。本文讨论回归系数与误差方差联立EB估计及有关性质。考虑设计矩阵区为列满秩的线性回归模型     

空间变系数模型的局部线性BGWR估计

针对空间变系数回归模型,通过空间加权距离构造权重矩阵,基于多元线性回归模型的贝叶斯统计推断,得到了该模型的局部线性BGWR估计方法.通过此方法推导出回归系数的后验分布,采用Gibbs抽样得到回归系数的逐点估计.将所得结果通过绘制曲面图、计算偏差均值和标准差均值与LeSage的BGWR模型估计结果进行对比,进一步说明估计方法的有效性.     

相依线性回归系统的泛岭改进估计

对于一类相依线性回归系统，本文提出了一种泛岭改进估计，并讨论了这种估计及相应的两步估计的优良性质，获得了若干深入的结果．     

2SUR回归模型系数估计的均方误差比较

对于2SUR回归模型的参数估计问题,给出了一些一航均方误差矩阵比较结果,据此提出了一类线性估计和一类基于离差阵广义非限定估计的非线性两步估计,并获得了该两步估计类的一些有限样本性质。     

广义线性模型中一类推广的拟似然估计与异方差性诊断检验

本文考虑了随机设计情形下一类普通的异方差回归模型，在这个模型中，假定回归函数与方差函数之间的关系服从推广的广义非线性模型，该模型在实际中很常见，广义线性模型便是其特例，首先，我们导出了均值函数的局部加权拟似然估计，然后，用它来得到方差函数的估计，并且证明了这些估计有较好的性质，最后，建立了异方差检验统计量，文中的方法很吸引人。     

任意秩有限总体中无偏预测和估计的构造关系

研究了有限总体均值向量的无偏估计和线性可预测变量的无偏预测之间的关系,利用分块矩阵广义逆直接对加权风险函数进行分解,提出了一种由均值向量的无偏估计来构造无偏预测的新方法,并找到了它们之间的构造关系.特别地,线性可预测变量的最优线性无偏预测(BLUP)可由均值向量的最佳线性无偏估计(BLUE)惟一地表示(有关惟一性在几乎处处意义下理解).     

基于两步子抽样算法的多目标抽样统计推断研究

针对海量数据,子抽样算法是当前一种流行的简化计算和降低计算成本的方法。现阶段的研究主要集中于单目标变量的估计上。多目标抽样也是现实生活中经常遇到的问题。本文提出基于广义线性模型,多目标抽样的均值两步子抽样算法。两步子抽样算法是Wang等(2018)^[1]提出的基于L-最优和A-最优的思想,确定每个抽样单元的入样概率。本文在此基础上,定义多目标抽样的各单元的入样概率,并推导模型参数估计量的渐近性质,最后用模拟数据和实际例子对均值两步子抽样算法和多目标两步子抽样方法进行比较。结果表明,在样本量相同时,A-最优准则下均值两步子抽样算法在估计精度上优于基于两步子抽样算法的MPPS抽样和L-最优准则下均值多目标两步子抽样算法。在计算效率上也较全样本估计有显著的提高,节约了计算时间。     

线性回归系统两步协方差改进估计的优良性

对于ｍ个相依回归方程组成的线性回归系统。本文研究了两步协方差改进估计在均方误差阵意义下的优良性，即在随机误差服从正态分布的假设下，当样本量充分大时，两步协方差改进估计与协方差改进估计一样好。     

最大似然估计的一个推广

我们常常会遇到最大似然估计不存在的情况,这种情况以在非正态回归模型中最为典型。当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然估计的定义,讨论了它的性质,并得到了利用投影变换确定具有有限广义最大似然估计的线性函数的方法。最后,通过几个常见的定性资料统计模型的实例,展现了求广义最大似然估计的实施过程。     

多元线性回归中回归系数的线性经验Bayes估计

本文构造了多元线性回归模型回归系数向量的线性经验Bayes估计,并在较一般的条件下得到了渐近最优的收敛速度。     

多元线性模型中共同均值参数的线性估计的可容许性

本文讨论了多元线性模型中共同均值参数的估计问题，针对矩阵损失函数，给出了五种不同形式的优良性准则，证明了在齐次和非齐次性估计中分别是一致的，并且得到了在相应的估计类中均值参数矩阵的线性可估函数的线性估计的可容许性特征。     

向量参数的线性函数之广义最大似然估计

最大似然估计不存在的情况在非正态回归模型中最为典型,当参数向量不能被估计时,人们对参数向量的线性函数的估计饶有兴趣。本文给出了这些线性函数的广义最大似然 定义,建立了一些关于凹目标函数的结果,对某些特殊的目标函数,提供了求广义最大似然估计的具体途径,并详细地考虑了Ｃｏｘ的生存时间分析的模型。     

截断情况下线性回归模型响应变量均值的经验似然

本文讨论了在带有截断情况的线性回归模型中 ,响应变量均值的估计问题 .将经验似然的方法应用到带有截断情况的回归模型中 ,在估计响应变量的均值时构造了调整的经验似然统计量 ,证明了在一定的条件下 ,该统计量渐近服从 χ2 分布 ,给出了均值的置信区间 ,并与正态下得到的结果进行了比较 ,模拟的结果说明了经验似然的优良性 .