增长曲线模型参数估计的加权相对效率

对增长曲线模型中参数估计的相对效率，本文提出了一种新的定义－加权相对效率，并研究了它的性质，以及在文献「４」中的两种相对效率的关系。     

线性模型参数矩阵的二次型的经验Bayes估计的收敛速度

本文构造出正态线性模型误差协差阵的逆矩阵的二次型的经验Ｂａｙｅｓ（ＥＲ）估计，在一定条件下证明了这种ＥＢ估计的收敛速度可任意接近于１．最后，给出了一个实例．     

Mixed Estimations and Bayes Estimation of theRegression Coefficient in Multivariate Linear Model

ＭｉｘｅｄＥｓｔｉｍａｔｉｏｎｓａｎｄＢａｙｅｓＥｓｔｉｍａｔｉｏｎｏｆｔｈｅＲｅｇｒｅｓｓｉｏｎＣｏｅｆｆｉｃｉｅｎｔｉｎＭｕｌｔｉｖａｒｉａｔｅＬｉｎｅａｒＭｏｄｅｌ￥ＨｕａｎｇＹａｎｇｘｉｎ（黄养新）（ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈ...     

正态分布族的参数的经验Bayes估计的收敛速度

对于正态分布族｛Ｎ（μ，σ￣２）：－∞＜μ＜＋∞，σ￣２＞０｝，该文利用密度函数及其偏导数的核估计构造出参数θ＝（μ，σ￣２）的经验Ｂａｙｅｓ（ＥＢ）估计，并在一定条件下证明了θ的ＥＢ估计的收敛速度可任意接近于１．最后给出了一个实例．     

误差协方差阵的经验Bayes估计的收敛速度

本文利用密度的混合偏导数的核估计，构造出线性模型中误差协方差阵的逆的经验Ｂａｙｅｓ（ＥＢ）估计，在一定条件下，还证明了ＥＢ估计的收敛速度可任意接近于１，最后，给出了一个实例。     

多元线性模型回归系数的有偏估计与均方误差的无偏估计

本文对多元线性模型回归系数的最小二乘估计的任一线性变换，给出了均方误差的一个无偏估计，并应用统一方法，即极小化均方误差的无偏估计的方法，对岭估计和广义岭估计给出了确定偏参数的公式。最后给出了一个实例。     

线性回归模型参数的联立经验Bayes估计的收敛速度

本文考虑了线性模型中回归系数β=(β₁,…,β_p)′和误差方差σ²的联立经验Bayes(EB)估计.在二次损失下,利用密度函数及其编导数的核估计构造出参数θ=(β₁,…,β_p,σ²)的联立EB估计,在一定条件下证明了θ的联立EB估计的收敛速度任意接近于1.最后、给出了一个实例.     

非线性模型误差方差估计的Bootstrap逼近和分布的收敛速度

本文对非线性模型误差方差的估计基于Jackknife虚拟值的Bootstrap方法建立了Bootstrap逼近,证明了逼近的相合性定理,得到了逼近的速度是o(n~(-1/2))。进一步,本文证明了误差方差估计的分布以理想的最佳速度o(n~(-1/2))收敛于正态分布的结论。     

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。     

增长曲线模型回归系数的广义岭估计

本文采用广义岭估计β（Ｋ）来估计增长曲线模型中回归系数β＝ｖｅｃ（Ｂ），通过Ｋ值的选取，可使其均方误差（ＭＳＥ）小于ＬＳ估计β的ＭＳＥ。同时对ＬＳ估计的任一线性变换，给出了其均方误差的一个无偏估计，并应用极小化β（Ｋ）的ＭＳＥ的无偏估计的方法，得到了确定岭参数的公式。