基于极值分布下混合联合位置与散度模型的参数估计

极值分布在金融工程、气象工程和其他领域中都有重要用途,本文提出基于极值分布下的混合联合位置与散度模型,通过EM算法给出该模型参数的极大似然估计.最后,通过随机模拟和实例研究说明该模型和方法是有用和有效的.     

缺失数据下双重广义线性模型的经验似然推断

本文基于截面经验似然的方法,在响应变量随机缺失时,将双重广义线性模型的拟似然估计方程作为截面经验似然比函数的约束条件,构造了均值模型和散度模型未知参数的置信区间.数据模拟中,在完全数据集,逆概率加权填补所得的数据集和未加权填补所得的数据集三种情形下,将经验似然方法与正态逼近方法相比较.结果表明在双重广义线性模型中,逆概率加权这一填补方法和经验似然方法是有效和可行的.     

方差分量线性模型中回归系数和参数的所有可容许线性估计

对固定效应方差分量模型，在矩阵损失（ｄ－Ｓ＿τ）（ｄ－Ｓ＿τ）＇下，我们给出了线性可估函数Ｓτ的线性估计在一切估计类中可容许的充要条件；对具有两个方差分量的随机效应线性模型在矩阵损失（ｄ－Ｓα－Ｑβ）（ｄ－Ｓα－Ｑβ）＇下，我们给出了线性可估函数Ｓα＋Ｑβ的线性估计在一切估计类中可容许的充要条件。     

THE INEFFICIENCY OF LEASTSQUARES IN GAUSS-MARKOV ANDVARIANCE COMPONENT MODELS

1.IntroductionThispaperwillusethefollowingnotations.ForanymatrixA,A andW(A)denotetheMoors-PenroseinverseandthecolumnspaceofA,respectively.ForanysquarematrixA,IAImeansthedeterminantofA,A20(A>0)meansAisnonnegative(positive)definite.ConsidertheGauss-MarkovmodelY=Xo e,E(e)=0,Coy(e)~a'E,(1.1)whereYisann-dimensionalobservablerandomvector,XisannxpknownmatrixwithcolUInn-fUllrank,Tisapdimensionalparametervector,eisann-dimensionalunobserVablerandomvector,aZisanunknownpositiveparameter,Z20.I…     

带约束的回归系数的线性估计的可容许性

在本文中,我们针对带齐次线性等式约束的线性模型Y=Xβ+ε,ε～(0,σ~2V),Hβ=0,给出了回归系数的最佳线性无偏估计的较简单的表达式以及Sβ的估计LY(LY+α)在齐次线性估计类(线性估计类)中可容许的充要条件。     

ADMISSIBILITY OF LINEAR ESTIMATORS OF REGRESSION COEFFICIENTS UNDER QUADRATIC LOSS

For the general fixed effects linear model: Y = X_T+ε, ε～N(0, V), V≥0, weobtain the necessary and sufficient conditions for LY +a to be admissible for a linear estimablefunction S_r in the class of all estimators under the loss function (d -- Sr)'D(d --Sr), whereD≥0 is known. For the general random effects linear model: Y = Xβ+ε,(βε)～N((Aα 0), (V_(11)V_(12)V_(21)V_(22))), ∧= XV_(11)X'+XV_(12)+ V_(21)X+V_(22)≥0, we also get the necessaryand sufficient conditions for LY+a to be admissible for a linear estimable function Sα+Qβin the class of all estimators under the loss function (d-Sα-Qβ)'D(d-Sα-Qβ).whereD≥0 is known.     

缺失数据下双重广义线性模型的参数估计

在经济领域和工业产品质量改进试验中,对均值和散度同时建模十分必要;在数据采集过程中,时常会遇到数据缺失问题.文章基于上述两点,研究缺失数据下的双重广义线性模型的参数估计,采用最近距离插补和反距离加权插补对缺失数据进行处理,并应用最大扩展拟似然估计和最大伪似然估计两种估计方法对未知参数进行估计.随机模拟和实例结果表明,该模型和所应用的方法是有用和有效的.     

基于t分布下混合联合位置与尺度模型的参数估计

t分布是分析厚尾数据的重要统计工具,本文基于t分布提出了稳健的混合联合位置和尺度参数的回归模型,通过EM算法给出该模型参数的极大似然估计,通过随机模拟试验验证了所提出方法的有效性.本文结合实际数据验证了该模型和方法具有实用性和可行性.