病态条件下的一个有偏估计

在线性回归问题中的病态条件下，提出了一个新的有偏估计及容许性证明.[1]中的估计实为此估计的一个特例.进一步针对两种特殊情况，给出了特殊的有偏估计及其容许性证明.     

SUR回归方程系统的预检验估计

对于SUR回归方程系统,[1]提出回归系数的一种有偏估计βi^*。本文证明它是βi的线性估计类中的可容许估计,在一定条件下它优效于[2]提出的一种协方差改进估计βi^∧和OLS估计。本文还讨论了估计占优条件的假设检验问题。     

二次损失下增长曲线模型回归系数线性估计可容许性特征

该文讨论了增长曲线模型回归系数线性估计在六种不同形式容许性定义下的可容许性．在较特殊的增长曲线模型下，证明了这六种容许性在特殊的估计类中是一致的，且得到了其共同容许估计的充要条件．但在线性估计类中它们不是一致的，可分为两类，并分别得到了其可容许估计的充要条件．     

增长曲线模型回归系数线性估计的可容许性

本文讨论增长曲线模型回归系数线性估计的可容许性，给出了常见的三种形式不同的可容许性定义．我们在较特殊的齐次（或非齐次）线性估计类中，证明了这三种容许性的一致性，并且得到了其共同的可容许估计的充要条件．     

关于Devroye－Wagner核估计的一个注记

本文研究了Ｄｅｖｒｏｙｅ和Ｗａｇｎｅｒ提出的两个核估计的有偏性，并给出这两个核估计的Ｐａｒｚｅｎ－Ｒｏｓｅｎｂｌａｔｔ核估计有偏性的一个统一的证明．     

具有P个方差分量的线性模型的Beyes二次估计及可容许估计的非负性

本文对具有 p 个方差分量的线性模型讨论了方差分量线性函数的 Bayes 不变二次估计问题,给出了 Bayes 不变二次估计(无偏和有偏)的显示表达式,并且证明了它们在各自考虑的类中形成了可容许估计的完全类.在可容许估计的完全类中,还讨论了非负参数函数的非负估计问题,给出了可容许的非负定估计存在的充要条件.     

线性回归模型Liu估计的新研究

考虑线性回归模型Y=Xβ+ε,E()ε=0,Cov()ε=2σI(1),当设计矩阵X的列存在共线性时,最小二乘估计^β=(X′X)-1X′Y的性质变坏,为此给出了有偏估计^(βK,d)=(X′X+K)-1(X′Y+d^β),其中K为对角矩阵,K=diag(k1,…kp),ki≥0,d>0为参数,讨论了这种有偏估计与广义岭估计、Liu估计的比较,并证明了其可容许性估计.     

具有正态分布均值矩阵线性估计的可容许的等价性及其特征

本文考虑正态分布的均值矩阵的估计问题,损失函数取为为。由于在多元情况下(m≥2),该损失是一矩阵,因此,有许多比较该风险矩阵大小的标准。在这里通过参照多元分析中选主分量的方法,用风险矩阵的前X个最大特征根的和作为标准。对每一个K,都对应地有一种容许性定义,把它称为K-容许性。本文得到了一个有趣的结果:的线性估计的K-容许性等价于低维矩阵的线性估计在通常损失下的容许性,并得到了其K-容许的特征。当m≥3时,由这些特征知:在@的线性估计分别是K-容许性的意义下,m个K-容许的定义能够被分为三个等价类。     

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.     

生长曲线模型中基于奇异值分解的岭估计

在生长曲线模型中将设计阵的奇异值分解与普通的岭估计相结合,针对设计阵A与C至少有一个病态时的情况提出生长曲线模型中基于奇异值分解的岭估计.比较其在均方误差,均方误差矩阵,及PC准则下相对于最小二乘估计的优良性.证明其容许性并利用Hemmerle和Brantle用于确定广义岭估计参数的方法给出极小化均方误差的无偏估计法选取岭参数.     

人口普查质量评估调查中的双系统估计量

在通过问卷获取人口信息的人口普查中,总是存在不同程度的人口多报或漏报,导致普查人口数偏离实际人口数。这就需要对人口普查的质量进行评估。使用文献解读法探讨基于双系统估计量的人口普查净误差估计问题,包括抽样方法、抽样权数、双系统估计量的建立,等等。这有助于我国构建科学适用的以双系统估计量为核心的人口普查质量评估理论方法体系。     

On Bayes and unbiased estimators of loss

We consider estimation of loss for generalized Bayes or pseudo-Bayes estimators of a multivariate normal mean vector, θ. In 3 and higher dimensions, the MLEX is UMVUE and minimax but is inadmissible. It is dominated by the James-Stein estimator and by many others. Johnstone (1988, On inadmissibility of some unbiased estimates of loss,Statistical Decision Theory and Related Topics, IV (eds. S. S. Gupta and J. O. Berger), Vol. 1, 361–379, Springer, New York) considered the estimation of loss for the usual estimatorX and the James-Stein estimator. He found improvements over the Stein unbiased estimator of risk. In this paper, for a generalized Bayes point estimator of θ, we compare generalized Bayes estimators to unbiased estimators of loss. We find, somewhat surprisingly, that the unbiased estimator often dominates the corresponding generalized Bayes estimator of loss for priors which give minimax estimators in the original point estimation problem. In particular, we give a class of priors for which the generalized Bayes estimator of θ is admissible and minimax but for which the unbiased estimator of loss dominates the generalized Bayes estimator of loss. We also give a general inadmissibility result for a generalized Bayes estimator of loss. Research supported by NSF Grant DMS-97-04524.     

GAMMA－MINIMAX ESTIMATORS FOR THE MEAN OF A MULTIVARIATE NORMAL DISTRIBUTION WITH PARTIALLY UNKNOWN COVARIANCE MATRIX

ＧＡＭＭＡ－ＭＩＮＩＭＡＸＥＳＴＩＭＡＴＯＲＳＦＯＲＴＨＥＭＥＡＮＯＦＡＭＵＬＴＩＶＡＲＩＡＴＥＮＯＲＭＡＬＤＩＳＴＲＩＢＵＴＩＯＮＷＩＴＨＰＡＲＴＩＡＬＬＹＵＮＫＮＯＷＮＣＯＶＡＲＩＡＮＣＥＭＡＴＲＩＸＣＨＥＮＬＡＮＸＩＮＧ（陈兰祥）（Ｄｅｐａｒｔ...     

复共线性与广义岭型估计

针对线性回归模型Y=Xβ+l的典则形式Y=a01+Z+l,l~(0,σ2I)在设计阵X呈病态时,提出了一类新估计■(k;q)=〔Λ1OOkIq+Λ2〕-1Z′Y,称之为广义岭型估计.优点是结合主成分估计和岭估计的思想和方法,将X′X的特征值分为不同大小属性的两部分Λ1与Λ2,并分别添加不同的常数,致使新估计类的均方误差大幅降低的同时计算量大大减少,而且便于对原变量做出解释.文中进一步讨论了该估计优于岭估计的k的存在性以及充分条件.     

参数估计在最优化模型中的有效性及修正

证明了在涉及随机变量的最优化模型中,如果将参数估计和最优化求解过程分离,实际得到的最优化结果必然低于理论值,即参数估计在最优化模型中总是造成低效的结果。然后给出了两种可行的参数估计修正方法。     

指数分布冷贮备系统产品的统计分析——转换开关完全可靠的情形

本文给出了全样本场合指数分布冷贮备系统产品在转换开关完全可靠的情形下参数的矩估计、极大似然估计、精确区间估计和近似区间估计,并通过大量Monte-Carlo模拟说明估计的精度。     

基于非参数估计方法的沪铜期货价格研究

非参数估计方法是现代统计学的一个新发展方向,在各领域有重要的应用价值.本文针对非参数模型的三种估计方法,将其应用于沪铜期价与LME现价的相关关系分析,得到模型的拟合值和拟合曲线.最后,与最小二乘法的结果进行比较分析,证实了非参数估计在不同历史时期有预测精度高的优点.     

General Asymptotic Confidence Bands Based on Kernel-type Function Estimators

We establish uniform and non-uniform asymptotic simultaneous confidence bands for functionals of the distribution based on kernel-type estimators, which include the Nadaraya-Watson kernel estimators of regression functions and the Akaike-Parzen-Rosenblatt kernel density estimators. Our theorems, based upon functional limit laws derived by modern empirical process theory, allow data-driven local bandwidths for these statistics. This revised version was published online in June 2006 with corrections to the Cover Date.     

指数分布参数多层Bayes和E Bayes估计的性质

本文讨论无失效数据下指数分布参数多层Bayes估计和E Bayes估计的性质,在超参数分别取两种不同的先验分布下,证明参数的多层Bayes估计和E Bayes估计渐近相等,且多层Bayes估计值小于E Bayes估计值.     

On Huber's contaminated model

Huber's contaminated model is a basic model for data with outliers. This paper aims at addressing several fundamental problems about this model. We first study its identifiability properties. Several theorems are presented to determine whether the model is identifiable for various situations. Based on these results, we discuss the problem of estimating the parameters with observations drawn from Huber's contaminated model. A definition of estimation consistency is introduced to handle the general case where the model may be unidentifiable. This consistency is a strong robustness property. After showing that existing estimators cannot be consistent in this sense, we propose a new estimator that possesses the consistency property under mild conditions. Its adaptive version, which can simultaneously possess this consistency property and optimal asymptotic efficiency, is also provided. Numerical examples show that our estimators have better overall performance than existing estimators no matter how many outliers in the data.