聚集数据线性模型的聚集广义改进双参数估计的相对效率

对于聚集数据的线性模型,提出了聚集广义改进双参数估计的概念,给出了聚集广义改进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.     

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.     

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.     

聚集数据下回归系数混合估计的相对效率

讨论在聚集数据情形下,具有附加信息的线性回归模型的参数估计,提出了回归系数的聚集混合估计,研究了该估计相对于Peter—Karsten估计和相对于最小二乘估计的相对效率,得到了相对效率的上、下界.     

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估计的相对效率与广义相关系数

对于聚集数据的线性模型,本文给出了Peter—Karsten估计相对于最佳线性无偏估计的一个相对效率,得到了相对效率的下界,讨论了该相对效率与广义相关系数的关系.     

聚集数据的Gauss-Markoff模型中参数估计的相对效率

文献［１］提出了聚集数据的Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型中未知参数的两种估计。本文又提出了关于最小二乘估计的三种估计新的相对效率，并研究了它们的性质以及与文献［２］讨论过的另一种相对效率的关系。     

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.     

基于在线购买历史聚合的B2C电子商务差异化折扣模型

众多B2C网站已建立起会员等级制度,并据此向买家提供价格折扣。但会员等级制模型仅考虑买家交易金额,无法全面反映买家在线购买历史(online purchase history),故不能准确提供差异化折扣。针对上述问题,提出了一种面向B2C电子商务的差异化折扣模型,该模型包含能体现买家在线购买历史的交易、退单、推荐购买、晒单等四个指标,将买家在线购买历史聚合为一个综合值,进而通过min-max标准化方法进行线性转换,将转换后的聚合值与会员等级基准折扣结合得到最终的差异化折扣,从而使得B2C网站可向同级别会员实施更精准的一对一营销和价格歧视策略。以京东商城为背景的仿真实验结果证明了本文新模型的有效性。