一类线性混合模型的谱分解估计

谱分解估计(SDE)是新近提出的关于线性混合模型参数的一种新的估计方法,此方法的一个突出特点是同时给出固定效应参数和方差分量的显式解估计．本文就含两个方差分量的线性混合模型,对谱分解估计的性质做了进一步的研究,获得了方差分量的SDE和方差分析估计相等的充分必要条件,证明了在一定的条件下方差分量的SDE为一致最小方差无偏估计．     

一般互补约束问题的一种松弛逐步二次规划算法北大核心CSCD

1 引言 互补约束问题（简称MPCC）是一类具有特殊约束条件的约束最优化问题．不同于一般约束优化问题,其基本约束条件不仅包含等式约束和不等式约束,而且还包含比较复杂的互补约束．MPCC的一般形式如下：     

非线性互补约束优化问题的可行性条件

本文研究了非线性互补约束优化问题的可行性条件，其中约束条件除互补问题外还包括第一水平(设计)变量和第二水平(状态)变量同时出现的其它非线性约束，它是线性互补约束优化问题的可行性条件的推广。     

线性混合模型参数的一种新估计

线性混合模型的未知参数分两类, 一类是固定效应, 一类是方差分量. 提出了固定效应和方差分量的一种新估计, 称为谱分解估计, 并证明了新估计的一些重要统计性质. 新估计的突出特点是, 固定效应的估计是具有良好统计性质的线性估计. 新方法被应用于经济、金融和 机械测量方面的两个重要模型, 所得到的估计都具有很好的统计和实用意义.     

非线性互补约束问题的一个强全局收敛QP-free算法

本文研究非线性互补约束均衡问题.利用光滑近似法的思想及罚函数思想,把非线性互补约束均衡问题转化为一光滑非线性规划问题,该光滑非线性规划问题通过一个新的QP-free算法求解.特别地,不需要严格互补假设条件以及不需要Hessian阵估计正定的假设条件,算法仍具有强全局收敛性.     

隐互补约束优化问题的磨光SQP算法

本文提出了一类隐互补约束优化问题的磨光SQP算法.首先,我们给出了这类优化问题的最优性和约束规范性条件.然后,在适当假设条件下,我们证明了算法具有全局收敛性.     

异方差的线性混合模型的参数估计

本文研究既含有固定效应又含有随机效应的线性混合模型,在随机效应的方差不同即异方差情况下,即考虑方差受外界因素的影响,如温度、湿度等,我们称之为协变量,在有协变量情况下对方差建立对数线性模型,运用最大似然估计讨论了固定效应的估计和随机效应的预测,并且用约束最大似然(REML)方法研究对数线性模型中参数和随机误差中参数(离差参数)的估计,并讨论估计量的性质及离差参数估计量的渐近正态性。     

方差分量的广义谱分解估计

对于随机效应部分为一般平衡多向分类的线性混合模型,将王松桂(2002)提出的一种称之为谱分解估计的参数估计新方法推广到随机效应设计阵为任意矩阵的含两个方差分量的线性混合模型,给出了方差分量的广义谱分解估计方法,并证明了所得估计的一些统计性质。另外,还就广义谱分解估计类中某些特殊估计和对应的方差分析估计进行了比较,得到了它们相等的充分必要条件。     

解非线性互补问题的非单调可行SQP方法

非线性互补问题可以转化成非线性约束优化问题. 提出一种非单调线搜索的可行SQP方法. 利用QP子问题的K-T点得到一个可行下降方向,通过引入一个高阶校正步以克服Maratos效应. 同时,算法采用非单调线搜索技巧获得搜索步长. 证明全局收敛性时不需要严格互补条件, 最后给出数值试验.     

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.