分组数据下线性回归模型的参数估计

讨论了分组数据下线性回归模型参数的MLE的存在、唯一性.通过EM算法获得MLE的近似解.通过SEM算法获得MLE的渐近协方差阵.     

多项Probit模型参数的极大似然估计

本文考虑多项probit模型中参数的极大似然估计(MLE)的存在性.在协方差阵已知和均匀结构两种情况下,给出MLE存在的充要条件.     

一般半相依回归系统的协方差改进估计

本文讨论了由两个等阶的回归方程组成的半相依系统,运用协方差改进法获得了参数的一个迭代估计序列,并证明了它的协方差阵已知时,处处收敛到最佳线性无偏估计,同时其协方差阵在矩阵偏序意义下单调性,并且给出了当迭代次数亦趋于无穷时,保证其具有相合性的一个条件。     

协方差改进法与半相依回归的参数估计

对于由两个误差项相关的线性回归方程组成的系统,本文应用协方差改进法获得了参数的一个迭代估计序列。我们证明了当协方差阵已知时,该估计序列处处收敛到最佳线性无偏估计,且它们的协方差阵在矩阵偏序意义下单调下降收敛到最佳线性无偏估计的协方差阵,该估计序列具有Pitman准则下的优良性。当协方差阵未知时,我们证明了用协方差阵的无限制估计所产生的两步估计具有无偏性、相合性和渐近正态性。在一定意义下,本文的估计优于文献中已有的一些估计。本文的结果也显示了协方差改进方法的有效性。     

广义线性模型参数的自适应拟似然估计

对广义线性模型参数的一种拟似然估计的理论给予了彻底的处理. 在该估计中,响应变量的未知的协方差阵是通过样本去估计的.证明了所定义的估计量具有下述意义上的渐近有效性：当样本量n→∞时, 该估计有渐近正态性,且其极限分布的协方差阵重合于当响应变量的协方差阵完全已知时,拟似然估计的极限分布的协方差阵.     

奇异协方差阵下证券组合的有效子集

Szeg\"{o}曾猜想当协方差阵奇异时可能存在有效子集, 本文在奇异协方差阵下利用有效组合的通解, 给出了证券组合有效子集的一个等价定义, 并得到了在证券全集中存在有效子集的充要条件,还给出了证券子集为有效子集的一些新的充要条件.     

多维金融高频协方差阵预测模型的比较分析

现代投资组合理论大部分是从组合风险控制的角度展开,协方差矩阵扮演着非常重要的角色.将高频协方差阵应用在投资组合或风险管理时,就需要考虑采用何种预测模型来对高频协方差阵进行预测,较好的预测模型能够更加准确的对资产的波动性进行预测.高频协方差阵预测模型的建立较为复杂,目前还没有一种广泛被认可的模型.采用MCS检验法来选择最优的预测模型,研究发现高频协方差阵预测模型LOG-HAR模型在所有的损失函数下预测能力最好,并且高频协方差阵预测模型的预测能力要优于低频协方差阵预测模型.     

增长曲线模型中一致最小风险无偏估计的存在性

考虑协方差阵任意，或具有均匀协方差结构，或具有序列协方差结构的正态增长曲线模型本文将文[19]在设计矩阵满秩，且仅估计回归系数矩阵的情形获得的结果推广到设计矩阵不必列满秩，且同时估计回归系数矩阵的线性可估函数和协方差阵（或有关参数）的情形；在凸损失函数类和矩阵损失函数下，给出存在一致最小风险无偏估计的充分必要条件．     

完美和非完美中位数排序集抽样下刻度参数的极大似然估计

当研究目标的实际测量具有不可修复的破坏性或耗资巨大时,有效的抽样设计将是一个重要的研究课题.在统计推断方面,排序集抽样(RSS)现在是被视为一种比简单随机抽样(SRS)更为有效的收集数据的方式.本文在中位数RSS(MRSS)下,研究了刻度参数的极大似然估计(MLE)及其性质.证明了该MLE在刻度变换群下是一个同变估计.以威布尔分布和正态分布为例,比较了MRSS,RSS和SRS下刻度参数的MLE的效率.数值结果表明不管排序是否完美,MRSS下刻度参数的MLE都是比RSS和(或)SRS下刻度参数的MLE有效.     

奇异协方差阵及不同借贷利率下均值—方差模型的解析解

随着金融资产种类的增加,特别是考虑大规模投资组合问题时,很可能出现资产间的多重共线性或相关性,从而出现协方差阵奇异的情况。然而,目前关于投资组合的均值—方差分析大都是在协方差阵正定的条件下得到的,因此,不适用于奇异协方差阵的情形。针对这一问题,利用广义逆矩阵研究了协方差阵奇异时的均值—方差投资组合模型,在不同借贷利率条件下得到了前沿组合和组合前沿的解析解,突破了传统方法中要求协方差阵可逆的限制,推广了经典Markowitz模型。     

均匀设计抽样的应用

均匀设计抽样是张润楚和王兆军提出的，并且张润楚和王兆军从理论上证明了它的优良性质。本文考虑了均匀设计抽样在求函数的最大值，积分的近似计算，回归直线的拟合和极大似然估计的求取方面的应用。模拟的结果再次说明了均匀设计抽样的优良性。     

On Two-stage Estimate Based on Independent Estimate of Covariance Matrix

When an independent estimate of covariance matrix is available, we often prefer two-stage estimate （TSE）. Expressions of exact covarianee matrix of the TSE obtained by using all and some covariables in eovariance adjustment approach are given, and a necessary and sufficient condition for the TSE to be superior to the least square estimate and related large sample test is also established. Furthermore the TSE, by using some covariables, is expressed as weighted least square estimate. Basing on this fact, a necessary and sufficient condition for the TSE by using some covariables to be superior to the TSE by using all eovariables is obtained. These results give us some insight into the selection of covariables in the TSE and its application.     

基于数据分组与右删失情形下对数正态分布的参数估计

本文研究了对数正态分布数据在分组与删失情形下参数的估计问题. 一是给出未知参数的极大似然估计存在且唯一的充要条件. 二是利用EM算法对参数值进行了估计.     

正态条件下带AR(1)-型方差结构GMANOVA-MANOVA模型极大似然估计的小样本特征

研究了一类带一阶自回归(AR(1))-型方差结构的广义多元方差分析-多元方差分析(GMANO VA-MANOVA)模型参数极大似然估计的小样本特征.对带AR(1)-型方差结构GMANOVA-MANOVA模型,文章在正态条件下给出了参数极大似然估计存在的一个充分必要条件,讨论了极大似然估计唯一的充分条件.在该充分条件下,文章证明了相关系数极大似然估计的精确分布只与相关系数有关,并依此给出了自相关系数简单假设H0:ρ=0v.s.H1:ρ≠0的一个不需要叠代计算估计的检验,同时模拟表明该检验为无偏检验且势函数与似然比检验势函数无太大差异.     

有约束错误指定模型下的优化问题

文［１］ 利用文［3］的结果证明了一般有约束线性模型下参数的最优估计的方差协方差阵与有约束错误指定模型下最优估计的方差协方差阵间差是非负定的充分条件［２］也是必要的。更进一步，文［4］将［1］中的定理1推广到奇异线性模型上。该文的主要目的是证明了［２］的猜想在奇异线性模型中也是正确的，同时，推广了［１］中的定理2。     

Normal distribution based pseudo ML for missing data: With applications to mean and covariance structure analysis

When missing data are either missing completely at random (MCAR) or missing at random (MAR), the maximum likelihood (ML) estimation procedure preserves many of its properties. However, in any statistical modeling, the distribution specification for the likelihood function is at best only an approximation to the real world. In particular, since the normal-distribution-based ML is typically applied to data with heterogeneous marginal skewness and kurtosis, it is necessary to know whether such a practice still generates consistent parameter estimates. When the manifest variables are linear combinations of independent random components and missing data are MAR, this paper shows that the normal-distribution-based MLE is consistent regardless of the distribution of the sample. Examples also show that the consistency of the MLE is not guaranteed for all nonnormally distributed samples. When the population follows a confirmatory factor model, and data are missing due to the magnitude of the factors, the MLE may not be consistent even when data are normally distributed. When data are missing due to the magnitude of measurement errors/uniqueness, MLEs for many of the covariance parameters related to the missing variables are still consistent. This paper also identifies and discusses the factors that affect the asymptotic biases of the MLE when data are not missing at random. In addition, the paper also shows that, under certain data models and MAR mechanism, the MLE is asymptotically normally distributed and the asymptotic covariance matrix is consistently estimated by the commonly used sandwich-type covariance matrix. The results indicate that certain formulas and/or conclusions in the existing literature may not be entirely correct.     

矩阵损失函数下回归系数矩阵的非齐次线性估计的可容许性

在二次矩阵损失函数下研究了协方差矩阵未知的多元线性模型中回归系数矩阵的可估线性函数的矩阵非齐次线性估计的可容许性,给出了矩阵非齐次线性估计在线性估计类中可容许的一个充要条件.     

A Comparison of Restricted and Unrestricted Estimators in Estimating Linear Functions of Ordered Scale Parameters of Two Gamma Distributions

The problem of estimating linear functions of ordered scale parameters of two Gamma distributions is considered. A necessary and sufficient condition on the ratio of two coefficients is given for the maximum likelihood estimator (MLE) to dominate the crude unbiased estimator (UE) in terms of mean square error. A modified MLE which satisfies the restriction is also suggested, and a necessary and sufficient condition is also given for it to dominate the admissible estimator based solely on one sample. The estimation of linear functions of variances in two sample problem and also of variance components in a one-way random effect model is mentioned.     

分组数据情形下对数正态分布参数的最大似然估计

我们研究了分组数据情形下对数正态分布所含参数的最大似然估计存在且唯一的充要条件，进而得到了最大似然估计具有强相合性及收敛速度服从重对数律的结论。