Panel模型中两步估计的优良性

本文研究Panel模型中未知参数的估计问题，给出了两步估计的协方差的准确表达式．用均方误差作为度量估计的优劣标准，我们建立了两步估计优于Within估计和最小二乘估计的充要条件．特别我们获得了两步估计优于Within估计的简单充分条件．一般说来，对于中等数量的样本容量，两步估计就优于Within估计，类似的结论对Between估计或最小二乘估计也成立．     

回归系数的综合岭估计

本文提出了回归系数的一种新的有偏估计－－综合岭估计，讨论了综合岭估计的优良性，可容许怀等性质，给出了其迭代和极小均方程误差的无偏估计解，在综合估计下，岭估计和根方估计作为其特例，从而统一了岭估计和根方估计理论。     

关于无偏估计的若干问题

通过理论分析和实例讨论有关无偏估计的若干问题：无偏估计不一定存在；无偏估计一般不唯一；在均方误差意义下，无偏估计不一定优于有偏估计；均方误差最小的估计是最小方差无偏估计，但反之不然。     

方差分量谱分解估计的几个性质

对于线性混合模型中方差分量的估计，虽有多种方法，但一般情况下只有方差分析估计和谱分解估计有显式解，本文就线性混合模型中含两个方差分量的情形，对方差分析估计和谱分解估计进行了比较，证明了在一些条件下两个估计的方差相等，由此推出谱分解估计也具有方差分析估计的某些优良性．文末用实例进一步说明了文中的结果．     

高考预效度的混合估计

用传统的预测效度估计法估计高考预测效度，其估计值往往偏低。为此，本文应用回归分析中混合估计理论提出了高考预测效度的混合估计。这种估计是预测效度的无偏估计，并解决了预测效度估计值偏低的问题。     

贝叶斯对数线性估计

用Logits变换方法来讨论列联表的贝叶期估计，这时的估计称为贝叶斯对数线性估计，最早是由Lconard（1973，1975）提出的．Leonard讨论了二维表的对数线性贝叶斯估计；其后，Nazerat（1987）给出了三维表的贝叶斯对数线性估计．该文采用矩阵求微商方法，立足于高维表贝叶斯线性估计的较一般的表达形式；具体对四维表讨论员叶斯对数线性估计的表达和计算．     

回归系数的stein型主成分估计

对于设计阵Ｘ呈病态的线性回归模型，本文提出了一种新的关于回归系数的有偏估计─ｓｔｅｉｎ型主成分估计，并在均方误差意义下，论证了在一定条件下ｓｔｅｉｎ型主成分估计优于主成分估计，因此也优于ｓｔｅｉｎ型ＯＬＳ估计与ＯＬＳ估计，最后，我们又对偏参数的存在性，最优性进行了讨论，并得出了一些重要结论．     

回归系数的主相关估计及其优良性

本文在回归系数的主成分估计的基础上，提出一种新的降维估计－主相关估计，讨论了它的优良性，并用实例说明主相关估计对主成分估计的改进效果。     

导弹最大射程Bayes估计的分析和改进

本文用验前数据的质量因子及估计的相对均方误差分析了导弹最大射程的一类Ｂａｙｅｓ估计的性能，对不同的质量因子，给出了最佳验前数据量的一种近似公式。针对这类Ｂａｙｅｓ估计的冒进问题，本文对它们进行了改进并得到了一类新的估计。最后，通过ＭｏｎｔｅＣａｒｌｏ法比较了这些估计的相对均方误差，验证了新估计的优良性。     

线性模型中不可估参数的线性估计的可容许性

对一般线性模型在平方损失函数下，得到了一维不可估参数函数的线性估计为可容许估计的充要条件，以及模型中参数向量（非线性可估）的线性估计为可容许估计的两个充要条件，并得到了多维参数函数（可估或不可估）的线性估计为可容许估计的一个充分条件以及特殊情况下的一个充要条件．     

相依线性回归系统回归系数的预检验岭估计

对于由两个相依线性回归方程组成的线性回归系统，文「５」提出了基于最小二乘估计和协方差改进估计的一种新型估计，即预检验估计，它具有许多优良性质，但是在设计阵呈病态时，预检验估计的均方误差很大，因而在这种情况下不再被谯是良好估计。     

双参数指数分布无失效数据的参数估计

文章对双参数指数分布的无失效数据（ｔｉ，ｎｉ），给出了参数μ和σ的修正极大似然估计和最小二乘估计，并给出了失效概率ｐｉ＝ｐ｛Ｔ＜ｔｉ｝的Ｂａｙｅｓ估计和多层Ｂａｙｅｓ估计，从而可以得到无失效数据可靠度的估计。最后，结合实际问题进行了计算。     

R（0，θ）分布族参数的矩估计与最大似然估计

本文讨论了均匀分布族｛Ｒ（０，θ），θ＞０｝中参数θ的矩估计及最大似然估计的效率及相合性，结果表明θ修正后的最大似然估计要优于θ的矩估计。     

广义比估计与广义差估计及其优良性

本文提出了一个新的估计-广义比估计，将它与通常的广义差估计作了比较，并讨论了这两种估计的优良性．最后给出了一个有意义的应用．     

集团抽样不等概方法的均值估计及其性质

在集团抽样调查中，［１］和［２］给出了一般抽样方法及均值估计和它性质的论述，但未考虑各集团在总体中的地位对估计结果的影响．本文给出了集团抽样的不等概方法和均值的无偏估计，同时也给出了这种估计的方差及方差的无偏估计．     

Polya分布在气候统计中的应用

Polya分布在气候统计中常用来拟合雾、雷暴等。本文给出了Polya分布总体在全样本场合下参数的矩估计和极大似然估计，并研究了估计的存在性，并通过大量的Monte,Carlo模拟说明了估计的精度，认为在样本较大的情形下极大似然估计优于矩估计。最后通过具体的雾与雷暴等气候统计数据说明本文方法的可行性。     

部分线性模型中估计的渐近正态性

考虑回归模型其中是未知函数，（ｘ＿ｉ，ｔ＿ｉ，ｕ＿ｉ）是固定非随机设计点列，β是待估参数，ｅ＿ｉ是随机误差。基于ｇ（·）及ｆ（·）的一类非参数估计（包括常见的核估计和近邻估计），我们构造了β的加权最小二乘估计，并证得了最小二乘估计和加权最小二乘估计的渐近正态性。     

平稳MA模型阶数的Bayesian估计

本文基于Bnyesian估计理论，讨论了MA模型阶的识别，在关于阶和参数的一个一般先验分布下，给出了阶的估计的Bayesian准则，并证明了该估计方法具有强相合性．     

失效率的综合E-Bayes估计

该文提出了可靠性参数的一种新估计方法综合E-Bayes估计法.在无失效数据情形下给出了失效率的E-Bayes估计的定义,并给出了失效率的E-Bayes估计。在引进失效信息后，给出了失效率的E-Bayes估计，并在此基础上给出了失效率和其它参数的综合E-Bayes估计。最后，结合实际问题进行计算，结果表明该文提出的方法可行且便于应用。     

k阶Stein函数的有界性

通过Poisson积分构造向量核函数，利用向量情形的奇弄积分算子的强型估计与弱型估计理论，建立了k阶Stein函数的强型估计、弱型估计与BMO模估计，完全解决了A阶Stein函数的有界性问题。