混合系数线性模型的几乎无偏s-K估计

在连续测量数据情况下,给出了混合系数线性模型的几乎无偏s-K估计,讨论了该估计的相关性质,并在一定条件下证明了几乎无偏s-K估计优于s-K估计以及几乎无偏岭估计.     

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.     

混合系数线性模型的几乎无偏岭估计

本文研究了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.利用岭估计方法得到了该模型的几乎无偏岭估计,并证明了在均方误差意义下,几乎无偏岭估计优于岭估计.最后讨论了有偏参数的选取问题.     

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     

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。     

变系数部分线性模型的加权随机约束s-K估计

研究随机约束条件下半参数变系数部分线性模型的参数估计问题,当回归模型线性部分变量存在多重共线性时,基于Profile最小二乘方法、s-K估计和加权混合估计构造参数向量的加权随机约束s-K估计,并在均方误差矩阵准则下给出新估计量优于s-K估计和加权混合估计的充要条件,最后通过蒙特卡洛数值模拟验证所提出估计量的有限样本性质.     

秩亏线性模型中的一个新的线性有偏估计类

本文基于最优线性最小偏差估计的谱分解,定义了秩亏线性模型未知参数的一个新的线性有偏估计类,并讨论了它的许多重要性质,通过选取偏参数的适当形式,构造了许多很有意义的线性有偏估计,最后,给出了一个算例。     

一类线性混合模型的谱分解估计

谱分解估计(SDE)是新近提出的关于线性混合模型参数的一种新的估计方法,此方法的一个突出特点是同时给出固定效应参数和方差分量的显式解估计．本文就含两个方差分量的线性混合模型,对谱分解估计的性质做了进一步的研究,获得了方差分量的SDE和方差分析估计相等的充分必要条件,证明了在一定的条件下方差分量的SDE为一致最小方差无偏估计．     

线性模型中φ混合误差下回归系数最小二乘估计的相合性

本文研究线性模型中φ－混合误差序列下回归系数最小二乘估计的相合性，分别对最小二乘估计为强相合和ｒ阶平均相合给出一些充分条件。     

多元线性模型回归系数的混合估计和Bayes估计

In this paper,the mixed estimations of regression coefficient in multivariate linear model is giyen on the condition of expanding sample data and their optimalities are considered.It is shown that GLSE is equivalent to the above mentioned mixed estimations.Furthermore,Bayes estimation in multivariate normal model,which is the same as the mixed estimations,is also improved.     

多元线性模型回归系数的压缩LS估计

本文采用压缩ＬＳ估计Ｂ（ｋ）来估计设计矩阵呈病态的多元线性模型的回归系数Ｂ。通过ｋ值的选取，可使（ｋ）＝Ｖｅｃ（（ｋ））的均方误差ＭＳＢ小于β＝Ｖ＿ｅｃ（Ｂ）的ＬＳ估计β￣＊的ＭＳＥ。证明了具有可容许性、抗干扰性和有效性，并给出了实际应用中选取ｋ值的方法。     

部分线性变系数模型改进的加权混合Profile-Liu估计

研究半参数部分线性变系数模型的有偏估计,当回归模型参数部分自变量存在多重共线性时,在随机线性约束条件下,融合Profile最小二乘估计、加权混合估计和Liu估计构造回归模型参数分量改进的加权混合Profile-Liu估计,并在一定正则条件下证明估计量的渐近性质,最后利用蒙特卡洛数值模拟验证所提出估计量的有限样本表现性.     

混合线性模型联合估计的一个注记

本文从一个新的角度刻划了一般混合线性模型中固定效应β与另一随机向量δ的联合估计的最佳线性无偏估计的一种最优性 ,这一性质比最小方差性更为直观     

一般混合线性模型联合估计的一个最优性

本从一个新的角度，刻划了一般的混合线性模型的一个最优性质。这一性质比最小方差性更为直观。     

线性模型中的一类随机约束$s$--$K$估计

In this paper, we propose a stochastic restricted s–K estimator in the linear model with additional stochastic linear restrictions by combining the ordinary mixed estimator(OME) with the s–K estimator. It is shown that the proposed estimator is superior to the OME and the s–K estimator under the mean squared error matrix criterion under some conditions. Finally, a numerical example and a Monte Carlo simulation study are given to verify the theoretical results.     

变系数广义线性模型及其估计

本文以经典广义线性模型为基础,通过假定其中的回归变量的系数是某一度量空间中点的任意函数,提出了一类有广泛应用背景的变系数广义线性模型,增加了模型的灵活性和适应性,同时也适用于空间数据的统计分析。基于局部加权最大似然估计方法,文章讨论了变系数广义线性模型的拟合与统计推断,以及与之相关的局部权系统和其中光滑参数的确定。     

一般混合线性模型联合估计的一个最优性

本文从一个新的角度 ,刻划了一般的混合线性模型的一个最优性质 .这一性质比最小方差性更为直观 .     

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.     

线性模型参数的稳健化有偏估计

本文讨论复共线性和粗差同时存在时线性模型的参数估计问题,基于等价权原理提出了一个稳健有偏估计类（稳健压缩估计）,并且建立了稳健压缩估计的计算方法,为了满足实际问题的需要,构造了许多很有意义的稳健有偏估计,例如稳健岭估计、稳健主成分估计,稳健组合主成估计、稳健单参数主成分估计、稳健根方估计等等,最后通过一个算例表明,本文提出的稳健有偏估计具有既可克服复共线性影响又可抵抗粗差干扰的良好性质。