聚集数据线性模型广义聚集双参数估计的相对效率

对于聚集数据的线性模型,提出了广义聚集双参数估计的概念,给出了广义聚集双参数估计的两种相对效率,并得到了这两种相对效率的上界.     

聚集数据线性模型广义聚集综合两参数估计的相对效率

对于聚集数据的线性模型,提出了广义聚集综合两参数估计的概念,给出了广义聚集综合两参数估计的两种相对效率,并得到了这两种相对效率的上界.     

聚集数据线性模型参数的广义聚集Liu估计的相对效率

对于聚集数据的线性模型,给出了广义聚集Liu估计的两种相对效率,并得到了这两种相对效率的上界.     

聚集数据线性模型参数的改进广义岭估计的相对效率

对于聚集数据的线性模型,给出了参数的改进广义岭估计,并提出了改进广义岭估计的两种相对效率,得到了这两种相对效率的上界.     

线性模型参数的聚集改进广义Liu估计的相对效率

对于聚集数据的线性模型,给出了参数β的聚集改进广义Liu估计,研究了该估计相对于最小二乘估计及相对于Peter—Karsten估计的两种相对效率,并得到了相对效率的上界.实例分析表明,聚集改进广义Liu估计比最小二乘估计、Peter—Karsten估计更有效.     

聚集数据多元线性模型参数的多元聚集广义岭估计的相对效率

对于聚集数据的多元线性模型,提出了参数的多元聚集广义岭估计的概念,给出了多元聚集广义岭估计相对于最小二乘估计及最佳线性无偏估计的两种相对效率,并得到了这两种相对效率的上界.     

聚集数据线性模型参数的聚集改进综合岭估计的相对效率

对于聚集数据的线性模型,提出了参数的聚集改进综合岭估计的概念,并给出了聚集改进综合岭估计相对于最小二乘估计的两种相对效率,得到了这两种相对效率的上界.     

聚集数据线性模型参数的聚集改进Liu估计的相对效率

对于聚集数据的线性模型,本文给出了参数β的聚集改进Liu估计,研究了该估计相对于最小二乘估计和相对于Peter-Karsten估计的两种相对效率,并得到了相对效率的上界.     

聚集数据线性模型参数的广义岭估计的相对效率

对于聚集数据的线性模型,给出了参数的广义岭估计的两种相对效率,并得到了两种相对效率的上界.     

聚集数据线性模型参数的聚集综合岭估计的相对效率

对于聚集数据的线性模型,给出了参数的聚集综合岭估计的概念,并给出了聚集综合岭估计相对于最小二乘估计的两种相对效率,得到了这两种相对效率的上界.     

聚集数据多元线性模型参数的多元聚集综合岭估计的相对效率

对于聚集数据的多元线性模型,提出了参数的多元聚集综合岭估计的概念,给出了多元聚集综合岭估计相对于最小二乘估计及最佳线性无偏估计的两种相对效率,并得到了这两种相对效率的上界.应用Monte Carlo模拟,验证了有关结论是合理的.     

On the Estimation of Nonlinearly Aggregated Mixed Models

The article proposes an iterative algorithm for the estimation of fixed and random effects of a nonlinearly aggregated mixed model. The latter arises when an additive Gaussian model is formulated at the disaggregate level on a nonlinear transformation of the responses, but information is available in aggregate form. The nonlinear transformation breaks the linearity of the aggregate model, yielding a nonlinear tight observational constraint. The algorithm rests upon the sequential linearization of the nonlinear aggregation constraint around proposals that are iteratively updated until convergence. Two alternative pseudo maximum likelihood methods are discussed and compared. As a byproduct we provide a solution to the problem of distributing the aggregate responses over the units of analysis, enforcing the nonlinear observational constraints. Illustrations referring to the temporal disaggregation problem are provided.     

Second Order Asymptotics of Aggregated Log-Elliptical Risk

In this paper we establish the error rate of first order asymptotic approximation for the tail probability of sums of log-elliptical risks. Our approach is motivated by extreme value theory which allows us to impose only some weak asymptotic conditions satisfied in particular by log-normal risks. Given the wide range of applications of the log-normal model in finance and insurance our result is of interest for both rare-event simulations and numerical calculations. We present numerical examples which illustrate that the second order approximation derived in this paper significantly improves over the first order approximation.