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。     

受约束回归模型参数的统一几乎无偏估计

考虑实际回归问题中存在更多受约束条件的情况,提出了带约束的统一几乎无偏估计类,统一了常见的具有线性约束的回归模型的几乎无偏估计,进一步的研究给出了在均方误差和均方误差矩阵意义下,带约束的统一几乎无偏估计优于一般带约束的最小二乘估计的充分条件和椭球范围.     

半参数回归模型的一类压缩估计

研究了半参数回归模型的参数估计问题,利用压缩估计方法给出了模型的一类有偏估计,并与最小二乘估计、岭估计、几乎无偏岭估计进行了比较.在均方误差意义下,新的压缩估计明显优于最小二乘估计.最后讨论了有偏参数选取的问题.     

线性模型参数向量的近似贝叶斯估计

用线性贝叶斯方法去同时估计线性模型中回归系数和误差方差,并在不知道先验分布具体形式的情况下,得到了线性贝叶斯估计的表达式.在均方误差矩阵准则下,证明了其优于最小二乘估计和极大似然估计.与利用MCMC算法得到的贝叶斯估计相比,线性贝叶斯估计具有显式表达式并且更方便使用.对于几种不同的先验分布,数值模拟结果表明线性贝叶斯估...     

混合系数线性模型参数的Stein估计

在连续测量数据情况下,对混合系数线性模型给出了固定系数和随机系数的两种形式的Ｓｔｅｉｎ估计,并证明了在均方误差意义下,Ｓｔｅｉｎ估计要优于ＬＳ估计,最后还讨论了Ｓｔｅｉｎ压缩系数的选取方法     

半参数回归模型的几乎无偏岭估计

提出了半参数回归模型的几乎无偏岭估计,并与岭估计进行了比较,在均方误差意义下,几乎无偏岭估计优于岭估计. 然后讨论了有偏参数的选取问题. 最后,用模拟算例和实际应用说明了几乎无偏岭估计的有效性和可行性.     

最小二乘估计精度及其界限

Puntanen[1]提出用均方误差来度量最小二乘估计的精度,以后Styan[2],Rao[3]等相继讨论了这种精度及其界限.本文考虑采用广义方差,从而引进了一种新的最小二乘估计精度的度量并讨论了它的界.     

线性模型中广义最小二乘参数估计误差分布的稳健性研究

研究了线性模型中广义最小二乘参数估计的误差分布稳健性问题.首先讨论了在线性统计模型里,设计矩阵为列降秩矩阵时,模型中给出了误差最大分布类,当误差向量的分布在此范围内变动时,LS估计和GLS估计在均方误差矩阵准则下是最优估计.然后进一步探讨广义最小二乘估计GLSE关于误差分布的稳健性,求出误差项所对应的最大分布族,进而证明了在该区间波动情况下,误差向量对应的始终为一致最优解.     

带线性约束的回归模型参数的Liu估计方法

针对一般带约束的最小二乘估计(ORLSE)在参数估计中处理复共线性的不足,通过引入附加随机线性约束,提出了约束Liu型估计方法.经理论证明,此方法在均方误差下较已经提出的ORLSE和约束岭估计(RRE)效果更好,并且它可以作为两种方法的推广形式.讨论了其中k, d的确定原则,并将此方法推广到了广义形式和典则形式下的估计公式.     

正态线性模型中随机回归系数和参数的Minimax估计

该文在一般正态随机效应线性模型中研究了随机回归系数和参数的估计问题. 在二次损失下，得到了线性可估函数在一切估计类中的唯一Minimax估计.     

线性模型回归系数c-(K,S)型估计的优良性

根据线性回归模型Y=Xβ+ε,E(ε)=0,COV(ε)=σ~2I,对回归系数的有偏估计c-(K,S)型估计进一步研究;讨论了c-(K,S)型估计的优良性,在一定的条件下获得β_c(K,S)估计与LS估计的相对效率的界,并由此得出在设计阵病态时,β_c(K,S)型估计的精度明显高于LS估计;最后,证明了c-(K,S)型估计的可容许性,从而有助于病态线性回归系数有偏估计的进一步改进.     

Weighted Multivariate Mean Square Error for processes optimization: A case study on flux-cored arc welding for stainless steel claddings

A mathematical programming technique developed recently that optimizes multiple correlated characteristics is the Multivariate Mean Square Error (MMSE). The MMSE approach has obtained noteworthy results, by avoiding the production of inappropriate optimal points that can occur when a method fails to take into account a correlation structure. Where the MMSE approach is deficient, however, is in cases where the multiple correlated characteristics need to be optimized with varying degrees of importance. The MMSE approach, in treating all responses as having the same importance, is unable to attribute the desired weights. This paper thus introduces a strategy that weights the responses in the MMSE approach. The method, called the Weighted Multivariate Mean Square Error (WMMSE), utilizes a weighting procedure that integrates Principal Component Analysis (PCA) and Response Surface Methodology (RSM). In doing so, WMMSE obtains uncorrelated weighted objective functions from the original responses. After being mathematically programmed, these functions are optimized by employing optimization algorithms. We applied WMMSE to optimize a stainless steel cladding application executed via the flux-cored arc welding (FCAW) process. Four input parameters and eight response variables were considered. Stainless steel cladding, which carries potential benefits for a variety of industries, takes low cost materials and deposits over their surfaces materials having anti-corrosive properties. Optimal results were confirmed, which ensured the deposition of claddings with defect-free beads exhibiting the desired geometry and demonstrating good productivity indexes.     

线性模型回归系数的c-(K,S)型估计的小样本性质

根据线性回归模型Y=Xβ+,εE(ε)=0,COV(ε)=σ2,对回归系数的有偏估计c-(K,S)型估计进一步研究;讨论了c-(K,S)型估计的基本性质;并在均方误差阵(M SEM)准则下讨论了c-(K,S)型估计相对于最小二乘估计的优良性,有助于线性回归系数有偏估计的进一步改进.     

方差分量模型中回归系数的线性Minimax估计

考虑方差分量(混合线性)模型y=Xβ+U1ξ1+U2ξ2+…+Ukξk,这里Xn×p,Ui,n×ti为已知设计矩阵,βp×1是固定效应,iξ是ti×1随机效应向量,满足E(iξ)=0,cov(iξ)=σ2iIti,iξ都不相关.往往Uk=In,ξk=ek,即最后一项为随机误差,热β∈RP和i2σ>0(i=1,2,…,k)为未知参数.我们考虑β的可估函数Sβ,选取二次损失函数L(d,Sβ)=(d-Sβ)′(d-Sβ)∑ki=1ciσi2+β′X′Vk-1Xβ,然后在线性估计类中给出Sβ的惟一的mini max估计.     

混合系数线性模型参数的广义Liu估计

本文研究连续测量数据情况下的混合系数线性模型的参数估计问题.利用压缩估计方法给出了该模型的一类新的有偏估计一广义Liu估计,并在均方误差意义下,证明此类估计分别优于最小二乘估计、Liu估计.最后讨论参数的选取问题.     

一般线性混合模型中的最佳线性无偏估计和谱分解估计

该文在一般线性混合模型中, 研究了固定和随机效应线性组合的估计问题.对观测向量的协方差阵可以为奇异矩阵情形下,导出了该组合的最佳线性无偏估计,并证明了它的唯一性.在一般线性混合模型的特例, 三个小域模型下, 得到了小域均值u_i 和方差分量的谱分解估计. 进而, 获得了基于谱分解估计的两步估计均方误差的二阶逼近.     

具有未知误差方差的多元正态线性模型中回归系数的所有k-容许估计

考虑多元线性模型Ｙ～Ｎ（ＸΘ，σ２ＩｍＶ），和ＳＸΘ的估计问题，取损失函数为（σ－ＳＸΘ）′（δ－ＳＸΘ），本文定义所谓的ｋ－容许性和Φ（ｋ）－容许性．本文在一定条件下得到了ＳＸΘ的线性估计ＬＹ＋Ｄ在一切估计类中ｋ－容许和Φ（ｋ）－容许的充要条件．一般情况下得到了充分条件和必要条件．     

The Minimax Estimator of Stochastic Regression Coefficients and Parameters in the Class of All Estimators

In this paper, the authors address the problem of the minimax estimator of linear combinations of stochastic regression coefficients and parameters in the general normal linear model with random effects. Under a quadratic loss function, the minimax property of linear estimators is investigated. In the class of all estimators, the minimax estimator of estimable functions, which is unique with probability 1, is obtained under a multivariate normal distribution.     

正态线性模型中误差方差的二次型估计的容许性

设Ｙ遵从Ｎ（Ｘβ，σ２Ｉｎ），秩（Ｘ）＜ｎ，在平方损失下，本交给出σ２的二次型估计在整个估计类中可容许的充要条件．