分块半相依线性回归模型的参数估计

考虑一般的分块半相依线性回归（SUR）模型及其相应的简约模型，给出简约模型下未知回归系数及其可估函数的协方差改进估计仍是分块SUR模型下相应参数的协方差改进估计的一个充要条件．     

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。     

随机变量二次型的协方差在混合效应模型中的应用

本文提出方差分量ANOVA估计的一种改进方法, 证明了对于一般的方差分量模型, 只要方差分量的ANOVA估计存在就可以通过此方法给出其改进形式, 并且在均方误差意义下优于ANOVA估计. 特别地, 对于单向分类随机效应模型, Kelly和Mathew^[1]对ANOVA估计的改进就是我们提出的改进方法的特殊形式, 这也给出了此类改进估计在均方误差意义下优于ANOVA估计的另一种合理的解释. 同时, 本文又将此思想应用到对谱分解估计的改进上. 本文应用协方差的简单性质证明了对带有一个随机效应的方差分量模型, 当随机效应的协方差阵只有一个非零特征值时, 随机效应方差分量谱分解估计在均方误差意义下总是优于ANOVA估计. 本文最后将第三节的结论推广到广义谱分解估计下, 同时给出广义谱分解估计待定系数的一个合理的取值.     

考虑高频数据影响的BEKK模型的估计及其应用

多维资产的协方差阵在投资组合中扮演着重要角色,如何估计和预测资产的协方差阵是统计领域的一大热点问题.将基于高频数据的已实现协方差阵(RCOV)和双频已实现协方差阵(TSCOV)应用到BEKK模型的估计过程中,提出了考虑高频数据影响的BEKK-RCOV和BEKK-TSCOV模型,这两类模型将高频数据引入到协方差阵估计过程中的同时,还可以对协方差阵直接进行预测,避免了预测模型的选择困难问题,并且提高了协方差阵的估计效率.通过实证研究发现:BEKK-RCOV和BEKK-TSCOV模型估计和预测效果明显优于BEKK模型,将其应用在投资组合时,使投资者获得了更高的收益.     

多元t分布下相依回归模型参数的两步估计

本文把文献中关于正态分布下相依回归模型参数Zellner估计的有限样本均方误差结果和效率结果以及两步协方差改进估计的一般均方误差结果推广到多元t分布情况,在该分布下两种估计的统计优效性质均不变.     

带Gauss型误差的GMANOVA-MANOVA模型中未知参数的精确置信域

对于带Gauss型误差的GMANOVA-MANOVA模型,在均匀协方差结构下,求出了其中未知参数的极大似然估计及其均值和方差,并依据极大似然估计构造了未知参数的精确置信域.     

两个半相依模型回归系数的改进估计

对于两个半相依回归系统的未知回归系数,本文首先借鉴文献中给出的两步协方差改进估计的方法给出两种两步协方差改进估计序列,并给出其与两步估计等价的条件和均方误差意义下的优良性; 其次,我们对文献中给出的一种两步估计作简单改进,使得改进后的估计在更大的参数空间内优于最小二乘估计. 再次,本文另辟蹊径, 构造了一种新的估计,同样地,此估计也具有更好的小样本性质.本文最后一节讨论了Pitman准则下两步估计的优良性.     

大维协方差阵的估计及其应用

大维数据给传统的协方差阵估计方法带来了巨大的挑战,数据维度和噪声的影响不容忽视.首先以风险因子为自变量,对股票收益率建立线性回归模型;然后通过引入惩罚函数将取值非常接近的回归系数归为一组,近而来估计大维数据的协方差阵,提出了基于回归聚类算法的分块模型(BM-CAR),模型克服了传统的稀疏协方差阵估计的弊端.通过模拟和实证研究发现:较因子协方差阵估计方法而言,BM-CAR明显提高了大维协方差阵的估计效率;并且将其应用在投资组合时,投资者获得了更高的收益和经济福利.     

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．     

常用正态协方差阵估计的非容许性

在二次损失函数下,本文给出了正态方差最优同变估计的一个新的改进估计,并证明了常用正态协方差和协方差阵的估计都是非容许估计。     

A Generalization of Rao's Covariance Structure with Applications to Several Linear Models

This paper presents a generalization of Rao's covariance structure. In a general linear regression model, we classify the error covariance structure into several categories and investigate the efficiency of the ordinary least squares estimator (OLSE) relative to the Gauss–Markov estimator (GME). The classification criterion considered here is the rank of the covariance matrix of the difference between the OLSE and the GME. Hence our classification includes Rao's covariance structure. The results are applied to models with special structures: a general multivariate analysis of variance model, a seemingly unrelated regression model, and a serial correlation model.     

协方差改进估计与相依混合效应回归方程

本文首先讨论了广义线性模型Ｙ＝Ｘβ＋ε（ε～（Ｏ，Ｖ））的系数β的最优线性无偏估计是用Ｔ２＝ＸＹ作为伴随变量对最小二乘估计Ｔ１＝（ＸＸ）－１Ｘ１Ｙ进行改进而得到的协方差改进估计．并把所得结果用于经济领域中的线性相依回归方程系统（ＳｅｅｍｉｎｇｌｙＵｎｒｅｌａｔｅｄＲｅｇｒｅｓｓｉｏｎＥｑａｕｔｉｏｎｓＳｙｓｔｅｍ）．然后关于一类线性相依混合效应回归方程系统，提出了一种优化估计方法。     

具有特殊协方差结构的 SURE 模型中参数估计的若干结果

本文讨论具有特殊协方差结构似乎不相关回归方程（SURE）模型中参数的估计问题．除非另有说明,损失函数将取为二次损失和矩阵损失．本文证明了回归系数的线性可估函数的最小二乘估计是极小极大的且在矩阵损失函数下是可容许的;还分别在仿射交换群和平移群下导出了存在回归系数的线性可估函数的一致最小风险同变（UMRE）估计的充要条件,并证明了在仿射交换和二次损失下不存在协方差阵和方差的UMRE估计．     

纵向数据边际模型非参数光滑方法的比较

对于纵向数据边际模型的均值函数, 有很多非参数估计方法, 其中回归样条, 光滑样条, 似乎不相关(SUR)核估计等方法在工作协方差阵正确指定时具有最小的渐近方差. 回归样条的渐近偏差与工作协方差阵无关, 而SUR核估计和光滑样条估计的渐近偏差却依赖于工作协方差阵. 本文主要研究了回归样条, 光滑样条和SUR核估计的效率问题. 通过模拟比较发现回归样条估计的表现比较稳定, 在大多数情况下比光滑样条估计和SUR核估计的效率高.     

半相依模型参数估计的改进

对于m个半相依回归系统的未知回归系数, 文献[7]提出一种利用信息逐次迭加的方法, 该文首先在其基础上给出一种进一步改进形式, 并得到了其相合性, 同时作者借鉴文献[7]提出逐次迭加信息的构造估计思想给出一种具有小样本优良性的可行估计, 模拟研究也表明作者的改进估计是有效的.文献[10]根据Rao的协方差改进思想, 给出一种更为简洁的两步估计, 该文在此估计基础上给出一种改进形式, 新估计具有更好的可操作性和均方误差意义下的优良性.     

Local asymptotic behavior of regression splines for marginal semiparametric models with longitudinal data

In this paper, we study the local asymptotic behavior of the regression spline estimator in the framework of marginal semiparametric model. Similarly to Zhu, Fung and He (2008), we give explicit expression for the asymptotic bias of regression spline estimator for nonparametric function f. Our results also show that the asymptotic bias of the regression spline estimator does not depend on the working covariance matrix, which distinguishes the regression splines from the smoothing splines and the seemingly u...     

误差服从多元t分布的一类线性模型下参数估计的若干注记

研究一类线性模型下参数估计的若干问题．这类模型包含了多个因变量线性模型、增长曲线模型、扩充的增长曲线模型、似乎不相关回归方程组、方差分量模型等常用模型．在这类线性模型下,证明了当误差服从多元t分布时与误差服从多元正态分布时,具有相同的完全统计量和无偏估计,且在后一种情况下的充分统计量必为前一种情况下的充分统计量．对于带有多种协方差结构的前述几种模型,把在误差服从多元正态分布下,相应的协方差阵及有关参数的一致最小风险无偏(UMRU)估计存在性的结论推广到了相应的误差服从多元t分布情形．此外,对于误差服从多元t分布的这类统一的线性模型,给出了回归系数的线性可估函数的无偏估计的协方差阵的C-R下界．     

A method for approximations to the pdf'S and cdf'S of GLSE's and its application to the seemingly unrelated regression model

This paper first develops a valid method for approximations to the pdf's and cdf's of GLSE in linear models and, applying this method to the Zellner estimator with an unrestricted sample covariance in the seemingly unrelated regression model, obtains an approximate pdf with a bound of ordern ⁻² and an approximate covariance matrix with a bound of ordern ⁻³ This research was done at the London School of Economics while the authors were British Council scholars. Kariya is grateful to Professor J. Durbin for a general discussion on asymptotic expansions. Further the authors deeply appreciate Professor Y. Kataoka and anonymous referee for their invaluable comments and suggestions.     

On efficient estimators of two seemingly unrelated regressions

In this paper, following the results presented in Liu’s work [Liu, A.Y., 2002. Efficient estimation of two seemingly unrelated regression equations. Journal of Multivariate Analysis 82, 445-456], we first represent the Gauss-Markov estimator of the regression parameter as a matrix series, and hence we conclude that the observation vectors should appear in any efficient estimator in pairs. Second, we prove that the simpler form of the two-stage Aitken estimator is unique. Finally we generalize our results to the system of two seemingly unrelated regressions with unequal numbers of observations and briefly summarize our conclusions.