约束最小二乘估计的优良性

对于线性模型y=Xθ ε,ε服从椭球等高单峰分布,未知参数θ满足不等式约束a′θ≥0,证明了在参数估计优良性的集中概率准则下,θ的约束最小二乘估计θ~*优于最小二乘估计θ.     

约束下线性混合模型参数估计的渐近解及其收敛性

在线性不等式约束下讨论了具有相同参数的两个线性混合模型的参数估计问题,给出了一种迭代算法,得到了这类模型中参数的最小二乘估计序列及其渐近解.在此基础上,利用多元多项式方程组解的个数定理和不动点定理,证明了此估计序列是依概率1收敛的.     

带有线性约束的增长曲线模型中均值参数的线性估计的泛可容许性

对于约束参数的增长曲线模型,本文从线性估计类中找出了泛可容许估计类,并得到了泛可容许估计与线性约束之间的一种刻划,这些结果断定,约束情况不明的时候,使用带线性约束的最小二乘估计比通常的最小二乘估计更保险。     

NA样本半参数回归模型估计的矩相合性

考虑了误差为NA序列的半参数回归模型,利用非参数估计方法给出了模型参数的最小二乘估计和加权最小二乘估计,并在适当条件下得到了它们的矩相合性.     

包含多余回归变量的错误指定模型的随机约束Liu估计

对由于包含多余回归自变量而导致的错误指定线性回归模型,本文导出了回归系数的最小二乘估计,普通混合估计以及随机约束Liu估计,并在均方误差矩阵准则下对这三个估计的优良性进行了比较,给出了随机约束Liu估计优于最小二乘估计和普通混合估计的充要条件.此外,对它们所对应的经典预测值的优良性也进行了讨论.     

不等式约束条件下部分线性回归模型的参数估计

本文研究了不等式约束条件下部分线性回归模型的参数估计问题，利用最优化方法和贝叶斯方法，给出了不等式约束条件下部分线性回归模型的最小二乘核估计和最佳贝叶斯估计，并且证明了在一定条件下，带约束条件的最小二乘核估计在均方误差意义下要优于无约束条件的最小二乘核估计。     

带线性约束的回归模型参数估计的新研究

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,引入随机线性约束,提出了约束k-d估计方法。在均方误差(MSE)下,讨论了它的性质,得到了四个主要结果,与带约束的最小二乘估计ORLSE、约束岭估计(RRE)和约束型Liu估计比较,得出更好的结论。     

响应变量缺失下变系数部分线性测量误差模型的约束估计

当响应变量缺失、协变量具有测量误差,且模型参数部分有附加的线性约束时,主要研究一类变系数部分线性模型的统计推断问题.利用借补技术来补全缺失数据,并借助修正的profile最小二乘估计得到了模型参数分量和非参数分量的借补约束估计,并证明了参数分量的估计满足渐近正态性,同时非参数分量的估计与通常的非参数回归函数的估计具有相同的收敛速度.其次利用profile拉格朗日乘子检验对模型参数的约束条件进行检验,并证明了给出的检验统计量在原假设成立时渐近地服从标准卡方分布.数值模拟进一步表明对缺失数据进行借补可以有效地提高参数估计和假设检验的效率.     

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.     

缺失数据下半参数单调回归模型的估计

研究了响应变量缺失情况下半参数单调回归模型的估计问题。利用嵌入核估计的方法得到了参数部分的估计,在此基础上构造了非参数部分的单调约束最小二乘估计。证明了参数估计的渐近分布为正态分布,得到了非参数部分估计的收敛速度。通过随机模拟研究了有限样本量下估计的表现。     

基于泛岭估计对岭估计过度压缩的改进方法

岭估计是解决多元线性回归多重共线性问题的有效方法,是有偏的压缩估计。与普通最小二乘估计相比,岭估计可以降低参数估计的均方误差,但是却增大残差平方和,拟合效果变差。本文提出一种基于泛岭估计对岭估计过度压缩的改进方法,可以改进岭估计的拟合效果,减小岭估计残差平方和的增加幅度。     

应用SAS解非线性回归问题

.应用SAS/STAT估计非线性回归模型中的参数.首先,通过变量代换,把可以线性化的非线性回归模型化为线性回归模型,并用普通最小二乘法、主成分分析法和偏最小二乘法求模型中的参数和回归模型.其次,通过改良的高斯—牛顿迭代法来估计Logistic模型和Compertz模型中的参数.     

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．     

Simultaneous optimality of LSE and ANOVA estimate in general mixed models

Problems of the simultaneous optimal estimates and the optimal tests in general mixed models are considered. A necessary and sufficient condition is presented for the least squares estimate of the fixed effects and the analysis of variance （Hendreson III＇s） estimate of variance components being uniformly minimum variance unbiased estimates simultaneously. This result can be applied to the problems of finding uniformly optimal unbiased tests and uniformly most accurate unbiased confidential interval on parameters of interest, and for finding equivalences of several common estimates of variance components.     

带插值条件的拟线性最小二乘估计

提出了带插值点的拟线性最小二乘法,并给出了带插值点的拟线性最小二乘法拟合的最小二乘估计,证明了及其参数具有无偏性。     

半变系数模型约束PLS估计的渐近正态性

变系数模型已获得了广泛的应用,半变系数模型是变系数模型的有效推广,本文给出半变系数模型在线性约束条件下的PLS估计,并证明了常系数和函数系数估计的渐近正态性.     

Approximate Bayesian shrinkage estimation

A Bayesian shrinkage estimate for the mean in the generalized linear empirical Bayes model is proposed. The posterior mean under the empirical Bayes model has a shrinkage pattern. The shrinkage factor is estimated by using a Bayesian method with the regression coefficients to be fixed at the maximum extended quasi-likelihood estimates. This approach develops a Bayesian shrinkage estimate of the mean which is numerically quite tractable. The method is illustrated with a data set, and the estimate is compared with an earlier one based on an empirical Bayes method. In a special case of the homogeneous model with exchangeable priors, the performance of the Bayesian estimate is illustrated by computer simulations. The simulation result shows as improvement of the Bayesian estimate over the empirical Bayes estimate in some situations.     

BAYESIAN ANALYSIS OF DATA WITH ONLY ONE FAILURE

The hearings of a certain type have their lives following a Weibull distribution. In a life test with 20 sets of bearings, only one set failed within the specified time, and none of the remainder failed even after the time of to estimate the reliabilWith a set of testing data like that in Table 1, it is required to estimate the reliability at the mission time, In this paper, we first use hierarchical Bayesian method of determine the prior distribution and the Bayesian estimates of various probabilities of failures, pi‘s, then use the method of least squares to estimate the parameters of the Weibull distribution and the reliability. Actual computation shows that the estimates so obtained are rather robust. And the results have been adopted for practical use.     

Shrinkage estimation of partially linear single-index models

In this paper, we propose shrinkage estimation for partially linear single-index models. A profile least squares approximation is used to estimate the model parameters and select informative variables simultaneously. The resulting estimator is shown to be consistent and to enjoy the oracle properties.     

复共线联立方程模型参数的修正间接岭估计

在结构方程恰好被识别时,研究了外生变量设计矩阵X复共线时联立方程模型的参数估计问题,提出了参数的一种修正间接岭估计方法,并证明了这种参数估计的良好统计性质,最后给出了在修正间接岭估计均方误差最小意义下岭参数的一种选择方法.