基于W,LR和LM检验的误差方差预检验估计的比较（英文）

本文研究多元t分布模型中误差方差分别基于W, LR和LM检验的预检验估计问题.首先,分别获得了基于三个大样本检验的预检验估计和对应的风险;其次,基于理论分析和数值分析的方法得到了各个估计的优良表现,结果表明预检验估计的风险在检验临界值为1时达到最小,并得到了各个估计保持最优的条件;最后,通过自助模拟的方法进一步分析了各个估计的优良性,所得结果和理论分析是一致的.     

许—模型下误差方差的可容许估计

本文讨论了在许－模型下非负二次估计类中误差方差的可容许估计的条件。     

Pitman准则下指数分布刻度参数幂的分组定数截尾估计

在Pitman准则下,对指数分布刻度参数σ的形为σ     

变系数EV模型基于核估计的误差方差估计

在利用核函数法和广义最小二乘法讨论变系数EV模型系数参数估计的基础上给出了其误差方差σ2的一种估计量(σ)2n,证明了所定义的估计量(σ)2n有很好的大样本性质.     

Bayes估计的进一步研究及其Pitman最优性

对线性模型参数,讨论了Bayes估计的Pitman最优性,将已有结果进行了改进,去掉了附加条件,证明了在Pitman准则下,Bayes估计一致优于最小二乘估计(LSE),在此基础上,提出了一种基于先验信息的方差分量估计,通过和基于LSE的方差分量估计作比较,证明了新估计是无偏估计且有更小的均方误差．最后,证明了在Pitman准则下生长曲线模型参数的Bayes估计优于最佳线性无偏估计．     

SUR回归方程系统的预检验估计

对于SUR回归方程系统,[1]提出回归系数的一种有偏估计βi^*。本文证明它是βi的线性估计类中的可容许估计,在一定条件下它优效于[2]提出的一种协方差改进估计βi^∧和OLS估计。本文还讨论了估计占优条件的假设检验问题。     

线性模型中误差方差估计的随机加权逼近

本文利用对样本随机加权的思想,构造了线性模型中误差方差估计的抽样分布的一种新的逼近,与传统的Boostrop方法相比,随机加权逼近不需要样本独立同分布的假设,在很广泛的条件下,我们证明了新逼近方法的相合性。     

关于线性模型误差方差估计的Bootstrap逼近的一点注记

[3]对线性模型误差方差的估计建立了Bootstrap逼近。本文用另一种方法对此估计建立了Bootstrap逼近,证明了逼近的相合性定理,得到了逼近的速度达到o(n~(- 1/2))的结论。     

Pitman准则的若干新发展

Pitman准则是比较两个估计优劣的一种标准。本文综述了在这一方向上近年来若干方面的新结果,这包括正态总体参数估计和一般线性估计在Pitman准则下的比较,协方差改进估计的Pitman优良性,以及Bayes观点下的Pitman准则。     

Pitman准则下指数分布的参数估计

本文讨论了Ｐｉｔｍａｎ准则下指数分布的参数估计问题，证明了尺度参数与位置参数的最接近仿射同变估计是ＰＣ－不容许的，并分别给出了各自的改进估计．     

线性模型中回归系数和误差方差的同时Bayes估计的优良性

在线性模型中回归系数与误差方差具有正态-逆Gamma先验时,导出了回归系数与误差方差的同时Bayes估计.在均方误差矩阵准则和Bayes Pitman closeness准则下,研究了回归系数的Bayes估计相对于最小二乘(LS)估计的优良性,还讨论了误差方差的Bayes估计在均方误差准则下相对于LS估计的优良性.     

多元线性模型参数的预检验估计

本文对于多元线性模型Ｙ～（ＸＢ,Σ＠Ｉｎ）提出参数Ｂ一种预检验估计方法当Σ已知时,给出一种整洁有偏估计,得到了它在均方误差（阵）准则下优于ＢＬＵＥ的充要条件当Σ未知时,提出一种非线性两步估计,并得到它的精确均有误差阵结果和优于ＢＬＵＥ的充要条件本文还给出估计占优条件的检验统计量     

线性模型中误差为相依情形下误差方差估计的Berry—Esseen界限

本文主要讨论了线性模型中误差为α－混合强一稳序列情形下，误差方差估计的Ｂｅｒｒｙ－Ｅｓｓｅｅｎ界限，其阶为ｎ＾－１／２＋λ。     

线性模型中误差方差估计的Lp（1≤p≤∞）—度量性质

§1.引言及主要结果 考虑线性回归模型 Y_i=x′_iβ+e_i,i=1,2,…,(1)其中{e_i}为独立的试验误差序列,满足条件 Ee_i=0,0相似文献   

半参数回归模型的误差方差的小波估计

考虑半参数回归模型y i=x i' β +g(t i)+e i,1 i n,其中β∈R d为未知参数,g(t)为[0,1]上的未知Borel函数,x i为R d上的随机设计, {e i}为i.i.d.随机误差. 本文构造了误差方差σi 2=var (e i)的小波估计 n 2,得到了 n 2的渐近正态性, 同时构造了var(e i 2)的小波估计 n 2,并且证明了 n 2的弱相合性, 由此可知 依分布收敛于N(0,1), 这一结果可用于构造σ 2的大样本区间估计或对σ 2进行大样本检验.     

半参数回归模型的误差方差的小波估计

考虑半参数回归模型yi=Xi'β＋g（ti）＋ei,1≤i≤n,其中β∈Rd为未知参数,g（t）为[0,1]上的未知Borel函数,xi为Rd上的随机设计,{ei}为i.i.d．随机误差本文构造了误差方差σi2=var（ei）的小波估计■,得到了■的渐近正态性,同时构造了var(ei2)的小波估计■,并且证明了■的弱相合性,由此可知■依分布收敛于N（0,1）,这一结果可用于构造σ2的大样本区间估计或对σ~2进行大样本检验。     

半参数回归模型中误差方差估计之分布的非一致性收敛速度

Engle等人将气候条件对电力需求关系归结成半参数回归模型其中{e_j,1≤j≤n}是iid.的随机误差,均值为0,方差σ~2>0,{(X_j;T_j),1≤j≤n}是R~p×[0,1]上的随机设计点列且与{e_j,1≤j≤n}相互独立,{T_j,1≤j≤n}iid.,β是p维未知回归参数,g(t)是定义在[0,1]上的未知回归函数。     

PC准则下回归系数的一类线性估计的优良性

设线性回归模型为,此处n≥p,X的秩为R(X)=s,00为常数,∑_0为正定阵。本文证明了:在适当条件下(?)于PC准则下优于(?)并将这一结果应用于回归系数的岭估计、广义岭估计、压缩估计和Bayes估计。