协方差改进法及其应用

协方差改进法是构造更好估计的一个有力工具，本文在系统讨论了这个方法及其重要性质基础上，综述了它在许多模型的参数估计中的应用。这包括半相依回归模型，线性回归模型和生长曲线模型。本文还提出了几个未解决的问题。     

一类自适应岭估计的小样本性质

本文利用比较简洁的方法研究了线性模型中关于回归系数的一类自适应岭估计的精确偏差和均方误差,并通过对均方误差的分析得到了该估计类一致优于最小二乘估计的充分条件。     

KANTOROVICH-TYPE INEQUALITIES AND THE MEASURES OF INEFFICIENCY OF THE GLSE

In this paper we introduce some Kantorovich inequalities for the Euclidean norm of a matrix,that is, the upper bounds to ‖ (X'B~(-1)X)~(-1)X'B~(-1)AB~(-1)X (X'B~(-1)X)~(-1)A~(-1)X‖~2and to ‖(X'AX)~(-1)X'BX (X'AX)~(-1)X'CX‖~2 are given, where ‖A‖~2=trace(A'A). In terms of these inequalities the upperbounds to the three measures of inefficiency of the generalized least squares estimator (GLSE) ingeneral Gauss-Markov models are also established.     

��������������Ԥ����Ƚ���

本文研究了有限总体中最优线性无偏预测的稳健性问题, 得到了线性可预测量的 这种预测关于协方差矩阵具有稳健性的充要条件.     

正态分布下任意秩有限总体中的Minimax预测

对于任意秩有限总体,在二次损失下,有关文献已给出了线性可预测变量在齐次线性预测类中的唯一线性Minimax预测．本文在正态假设下,证明了这个线性Minimax预测也是线性可预测变量在一切预测类中的唯一Minimax预测．     

追加数据对条件指数的影响

克服线性回归模型中设计矩阵的复共线性，主要有三种方法追加数据自变量选择和非量小二乘法，本文研究追加数据在减少条件数中的作用，我们的研究表明，在可能情况下适当地选择追加数据，设计矩阵的条件指数可以被减少。我们用在回归最优设计中广泛初研Ｇａｙｌｏｒ－Ｍｅｒｒｉｌｌ数据说明了本文理论结果的实用意义。     

线性模型中均值向量的最小二乘估计和最佳线性无偏估计之差的欧氏范数的界

我们讨论最一般的线性模型 Y=Xβ e E(e)=0,Cov(e)=V,(1)其中Y为n×1随机观测向量,X为n×p的已知矩阵,其秩 R(X)=r,β为p×1未知参数向量,e为n×1随机误差向量,E(e)表示e的均值向量,Cov(e)表示e的协方差矩阵.V为n×n的定正方阵.记为V>0(下同).     

本期问题

<正> 1.设A为n阶方阵,秩为r,且所有特征根为实数,则(trA)~2≤相似文献   

线性回归系统回归系数的一种新估计

对由m个相依线性回归方程组成的线性回归系统,本文把模型蕴含的信息分为样本信息和附加信息,提出了利用逐次迭加附加信息导出未知参数估计的一种新方法。具体地,解决了如下三个问题:(1)给出了概括附加信息的统计量;(2)找到了把附加信息迭加到样本信息的方法;(3)证明了用这种方法所导出的新估计的一些重要统计性质。     

Panel����ģ���з�������ľ�ȷ����

本文利用广义p值和广义置信区间的概念构造含有三个随机效应的Panel数据模型中方差分量的几种新的精确检验和置信区间,并讨论它们在尺度变换下的不变性.通过模拟给出检验的功效和置信区间的覆盖率. 模拟结果表明,广义p值理论方法应用于含有冗余参数的Panel数据模型参数检验问题是灵活而有效的.