相依回归系统参数的预检验估计

对由m个相依线性回归方程组成的线性回归系统,本文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。文章讨论了度量附加信息和样本信息之间相关程度的统计量,给出了估计的一些优良性结果,并与最小二乘估计及协方差改进估计作了比较,最后通过随机模拟验证了预检验估计所具有的良好性质。     

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。     

增长曲线模型回归系数线性估计的泛容许性

本文讨论增长曲线模型回归系数的线性估计的容许性.我们给出了回归系数线性估计的泛容许性定义,并在某些线性估计类中得到了泛容许估计的充要条件.     

教育收益率估计方法的比较

本文对教育经济学中个人教育投资明瑟收益率的估计方法进行了比较研究,特别是引入了部分线性回归模型对明瑟收益率进行估计的方法,并且通过广义似然比检验对常规明瑟模型中的参数形式进行了检验。     

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．     

随机回归模型线性性的拟合优度检验方法

本文研究随机多元回归模型的线性性检验．所提出的检验统计量是由两个统计量之和形成的．第一个是由最小二乘回归拟合的残差构造的，它具有渐近ｘ２分布，但在完全对立假设检验时，它不是相容的．另一个则是基于对上述残差量的回归核估计，在零假设成立时，它趋于零，在对立假设成立时，则趋于无穷大．理论结果表明，本文的检验方法在完全对立假设下仍有相容性．模拟结果显示出，此方法在许多对立假设下，具有较好的功效．     

关于广义Stein估计的注记

对于一般的正态线性回归模型Ｙ＝Ｘβ＋ε，ε～Ｎｎ（０，σ∑）本文采用极小化均方程差的方法得到了回归系数的一种非线性有偏估计，即广义Ｓｔｅｉｎ估计，给出了它的偏差及其均方误差的渐近展开式，并且在均方误差意义下，当误差干扰充分小（σ→０）时，给出了该估计优于ＢＬＵ估计的渐近充要条件。     

部分函数型线性空间自回归模型的假设检验

本文提出了部分函数型线性空间自回归模型的空间效应以及参数效应的假设检验问题.首先利用函数型主成分分析方法估计斜率函数,利用广义矩估计方法估计参数.然后利用得到的相合估计,在原假设和备择假设下,构造了基于残差平方和的检验统计量,同时给出了此检验统计量的渐近性质.模拟结果表明在有限样本下,检验统计量具有良好表现.最后将部分函数型线性空间自回归模型的检验应用到一个关于经济增长的数据案例中,说明所提出的检验统计量的应用表现.     

PLM中误差方差未知时的GLR

本文检验部分线性回归模型(PLM)中,误差的方差未知时,函数部分是否是线性函数,在备择假设下,先用局部多项式方法估计出函数部分,再估计参数部分.计算出了零假设下广义似然比(GLR)检验统计量的表达式,给出了它的渐近分布,并对结果进行了模拟.     

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。     

多元线性模型参数的预检验估计

本文对于多元线性模型Ｙ～（ＸＢ,Σ＠Ｉｎ）提出参数Ｂ一种预检验估计方法当Σ已知时,给出一种整洁有偏估计,得到了它在均方误差（阵）准则下优于ＢＬＵＥ的充要条件当Σ未知时,提出一种非线性两步估计,并得到它的精确均有误差阵结果和优于ＢＬＵＥ的充要条件本文还给出估计占优条件的检验统计量     

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     

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     

多元线性模型中的有偏估计

刘金山在1999年给出了多元线性模型参数分量βi和参数矩阵B的有偏估计β1=(X'X)-1YCi,i=1,…,m和B=(β1,β2,…,βm)以及βi的性质.本文从另一角度得到了同样的估计,证明了刘金山文中所给的两个检验是UMP检验,估计βi是βi的线性可容许估计,证明了B不是B的可容许估计,由此给出了两种改进估计.     

截尾线性模型参数的一迭代估计法

本文提出了一种估计截尾线性回归参数的方法：先把数据分组，然后迭代地对分组数据进行调整，每一步基于调整的数据对参数作ＬＳ估计．经过一个其次数可以事先确定的迭代，得出参数的最终估计．证明了这一估计的渐近正态性，并指出了对参数作大样本置信区域的方法．     

误差为MA（q）序列线性模型回归参数的近似M估计

本文在文献的基础上,定义了误差为MA(q)序列时线性模型回归参数的近似M估计并在一定条件下证明了估计的相容性。     

关于Fuzzy值变量的线性回归分析

本文主要讨论了以下三方面内容:1.给出了可能性理论的框架。2.给出了可能性变量分布参数的maximin(μ/E)估计原理。3.建立了取值为Fuzzy数的两种不同的线性回归模型。     

线性回归模型参数的泛BC估计

本在献[1]的基础上，提出了线性回归模型参数的泛BC估计，把有偏压缩估计类的压缩系数由一维推广到多维，即由常数推广到矩阵向量，从而推出其一些优良性质。     

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。     

协方差阵估计的比较

本文在一般线性回归模型误差异方差情况下，通过计算机模拟对回归系数最小二乘估计的协方差矩阵的估计进行了比较。结果表明，当样本大小大于50时，回归系数的最小二乘估计具有较高的估计精度；其协方差矩阵的五种估计以普通最小二乘估计的协方差矩阵为最优。