相依线性回归方程组的一种“朴实”两步估计的有效性

对于相依线性回归方程组Ｙｉ＝Ｘｉβｉ＋εｉ（ｉ＝１，２），我们提出了系数向量βｉ的一种较为简便的“朴实”的两步估计量，例如β１的估计量为β１（Ｔ）＝（Ｘ’１，Ｘ１）＾－１Ｘ‘１Ｙ１－σ１２σ２２（Ｘ’１Ｘ１）＾－１Ｘ‘１ＴＹ２。其中Σ＝（σｉｊ）的一种估计量，本文给出了Σ的一种新取法，通过均方误差矩阵的大小我们证明了这种简便两种估计有有限样本量下可优效于ＬＳ估计。     

一类相依回归方程限定两步估计的有限样本结果

考虑一类由两个相依回归方程组成的线性回归系统ｙｉ＝Ｘｉβｉ＋ｕｉ（ｉ＝１,２）,其中回归矩阵Ｘｉ（ｉ＝１,２）满足Ｐ１Ｐ２对称,这里Ｐｉ＝Ｘｉ（ＸｉＸｉ）＾－１Ｘｉ＾１这种情况包括了以往文献「１,２,３,４」中考虑的一些情况,记βｉ和βｉ分别表示βｉ的基于∑的限定估计Ｓ和非限定估计Ｓ的两步估计,本文推导得βｉ是βｉ的Ｇａｕｓｓ－Ｍａｒｋｏｆｆ估计,本文讨论了βｉ相对于ＬＳ估计ｂｉ和非限定估计βｉ的     

具有独立贡献的相依回归模型

考虑相依回归（ＳＵＲ）模型ｙｉ＝Ｘｉβｉ＿ｅｉ，ｉ＝１，２，…，ｍ，Ｅｅｉ＝０，ｉ，ｊ＝１；２，…ｍ，其中ｙｉ和ｅｉ是ｎ×１维随机向量，Ｘｉ是ｎ×ｐｉ已知矩阵，βｉ是ｐｉ×１维参数向量，∑＝（σｉｊ）ｍ×ｍ＞０．文中给出了两个概念：独立贡献和简洁估计．主要结果是如下五种叙述等价：（１）ＳＵＲ模型具有独立贡献；（２）βｉ的ＢＬＵＥ是简洁估计；（３）协方差改进估计是ＢＬＵＥＺ（４）βｉ的ＢＬＵＥ具有形式其中，ｊ＝１，２，…，ｍ；（５）ＰｋＮｉＮｊ＝０，ｉ≠ｊ，ｋ，Ｉ，ｊ＝１，２，…，ｍ     

半参数回归模型的估计的渐近性质

考虑半参数回归模型ｙｉ＝ｘｉ＾１β＋ｇ（ｔｉ）＋ｅｉ,１≤ｉ≤ｎ;其中ｇ为Ｒ上未知函数,σ０＾２＝Ｄ（ｅ１）柴根象等在１９９５年给出了β的二阶段估计βｎ,本文基于β１建立了σ０＾２的估计量σｎ＾２,研究了误差方差估计σｎ＾２的渐近正态性和强相合性,并且得到了可直接用于统计推断的统计量及其分布。     

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。     

部分线性模型中估计的收敛速度

考虑回归模型（Ⅰ）：其中（ｘ＿ｉ，ｔ＿ｉ）是固定非随机设计点列，ｘ＿ｉ＝（ｘ＿（ｉｌ），…，ｘ＿（ｉｐ））＇β＝（β＿１，…，β＿ｐ）＇（ｐ＞１），ｇ是定义在［０，１］上的未知函数，β是未知待估参数，０＜ｔ＿ｉ＜１，ｅ＿ｉ是ｉ．ｉ．ｄ．随机误差，且Ｅｅ＿ｉ＝０，Ｅｅ＝σ￣２＜∞。基于ｇ的估计取一类非参数权估计（包括常见的核估计和近邻估计），我们讨论了β的最小二乘估计及ｇ的估计的最优强弱收敛速度。     

删失场合半参数回归模型的二阶段估计

对于半参数回归模型ｙｉ＝ｘ′ｉβ＋ｇ（ｔｉ）＋ｅｉ，１≤ｉ≤ｎ，ｇ为Ｒ１上未知函数，β为ｐ×１维待估参数向量．本文考虑当ｙｉ被随机删失时β和ｇ的估计．基于模型的可加性，利用综合数据法得到β的二阶段估计β～＊ｎ和ｇ的估计ｇ＊ｎ，并证明了它们的强相合性．     

污染数据回归分析中参数的最小一乘估计

考虑简单回归模型：ｙｉ＝ｘ′ｉβ＋ｅｉ,ｉ＝１,…,ｎ。其中Ｅｅｉ＝０,Ｅｅ＾２ｉ＝σ＾２１。假设ｙ１,ｙ２,…,ｙｎ受到另一独立同分布随机变量序列μ１,μ,…,μｎ的污染,我们仅能观察到污染数据ｙ＾＊ｉ＝（１－ν）ｙｉ,ν为未知的污染参数。本文用污染数据给出了β的最小一乘估计,并证明了它的渐近正态性和相合性。     

Gauss—Markoff估计的协方差改进形式及其在SUR模型中的应用

本文采用并推广Rao[1]的协方差改进原理，证明了线性模型（1．1）的Gauaa－Markoff估计（1．2）具有协方差改进形式＝（X′X）－1X′Y－（X′X）－1X′VN［NVN］＋NY，其中N＝I－X（X′X）－1X′．这一结果用于SUR系统yi＝Xiβi＋εi（i＝1，2，…，m），容易得到Zellner两步估计的有限样本性质．本文得到了一类系统的有限样本方差结果，从而完善了一些已有结果．     

NA样本下部分线性模型中估计的强相合性

考虑回归模型：ｙｉ＝ｘｉβ＋ｇ（ｔｉ）＋σｉｅｉ，１＜ｉ＜ｎ，其中σ_ｉ～２＝ｆ（ｕｉ），（ｘｉ，ｔｉ，ｕｉ）是固定非随机设计点列，ｆ（·）和ｇ（·）是未知函数，β是待估参数，误差｛ｅｉ｝为ＮＡ变量．我们对β的最小二乘估计βｎ和加权最小二乘估计Ｂｎ，在适当的条件下得到了它们的强相合性．     

协方差函数可微的高斯过程之极值逗留

设（Ｘ（ｔ），Ｔ１≤ｔ≤Ｔ２）是可分，可测的高斯过程，均值函数为零，而协方差函数Г（ｓ，ｔ）＝ＥＸ（ｓ）Ｘ（ｔ）具有连续一阶偏导，对于水平ｕ↑∞，本文讨论Ｘ（ｔ）在ｕ上的逗留极限定理。     

随机环境中r维分支链的协方差计算

定义了各种条件多元概率母函数，并利用条件多元概率母函数这一强有力工具研究随机环境中r-维分支链的性质，并给出了其协方差阵的精确计算公式．     

协方差结构分析中拟似然估计的对偶几何方法

本文应用几何方法研究了协方差结构分析中的拟似然估计.对于该模型引进了对偶几何,在此基础上得到了拟似然估计的二阶渐近性质.通过对偶曲率给出了拟似然估计的偏差、方差和信息损失,并且给出了反映拟观察信息和拟期望信息之间关系的一个极限定理.     

宽平稳序列均方遍历性的两个充要条件(英文)

本文研究了宽平稳序列具有均方遍历性的充要条件问题.利用施瓦兹不等式,获得了复宽平稳序列均方遍历性的两个充要条件和一个易于验证的充分条件.     

ASSESSMENT OF LOCAL INFLUENCE IN A GROWTH CURVE MODEL WITH RAO'S SIMPLE COVARIANCE STRUCTURE

The present paper deals with the problem of assessing the local influence in a growth curve model with Rao's simple covariance structure. Based on the likelihood displacement, the curvature measure is employed to evaluate the effects of some minor perturbations on the statistical inference, thus leading to the large curvature direction, which is the most critical diagnostic statistic in the context of the local influence analysis. As an application, the common covariance-weighted perturbation scheme is thoroughly considered.     

GBVE分布的参数估计

设二元随机变量（Ｘ，Ｙ）的生存函数为可．把它称作ＧＢＶＥ（θ１，θ２，δ）．本文采用把元件和系统（串联）的定时截尾寿命试验数据综合起来进行统计分析的方法，研究ＧＢＶＥ（θ１，θ２，δ）中参数的估计及其性质．在θ１＝θ２＝θ的情况下给出了（θ，δ）的极大似然估计证明了具有强相合性和渐近正态性．在无θ１＝θ２限制时给出了（θ１，θ２，δ）的矩法估计（θ１，θ２，θ３，δ），证明了同样具有强相合性和渐近正态性．     

方差分量的改进估计

本文研究一类方差分量模型中方差分量的改进估计问题,对单向分类随机模型的对应于随机效应的方差分量,我们研究了一个不变估计类,它包含了一些常用重要估计。证明了在均方误差准则下,在该估计类中不存在一致最优不变估计,且方差分析估计是不容许估计。在一个重要子估计类中,找到了一致最优估计。对于较一般的含两个方差分量的混合模型,我们研究了一个非负估计类的性质,给出了它们的分布,并建立了它们优于方差分析估计的充分     

多元协方差阵扰动模型岭估计的影响分析

本文研究了多元线性同归模型岭估计的影响分析问题.利用最小二乘估计方法,获得了多元协方差阵扰动模型与原模型参数阵之间的岭估计的一些关系式,给出了度量影响大小的基于岭估计的广义Cook距离.     

广义偏最小二乘(PLS)估计类

本文研究了一类含有偏最小二乘（partialleastsquaresPLS）估计的估计类．给出了PLS估计的一般代数形式；讨论了含有PLS估计的广义PPLS估计类的统计性质；给出了该估计类优于最小二乘估计的条件．     

协方差的二次型容许估计

本文研究方差的二次型估计的容许性,在平方损失下,我们给出了一个二次型估计在二次型估计类中是协方差的容许估计的充要条件。