有限总体指标值的线性函数的可容许估计

基于超总体模型的观点讨论容许性问题。在期望均方误差准则下获得了有限总体指标值的线性函数之线性估计在线性估计类以及全体估计类中为可容许的充要条件。     

抽样调查中多个指标值的同时估计

本文在ＥＶ（Ｅｒｏｒ ｉｎ Ｖａｒｉａｂｌｅｓ）超总体模型下讨论有限总体两个指标值的同时估计问题，证明了样本均值作为整体均值的估计在均方差阵最小的意义下是最优的．     

平衡损失下一般Gauss-Markov模型中回归系数的最优估计（英文）

在平衡损失下,我们研究了一般Gauss-Markov模型中回归系数的最优估计,首先我们得到了线性估计为最佳线性无偏估计的充分必要条件;其次证明了平衡损失下的最佳线性无偏估计在几乎处处意义下是唯一的,并且是普通最小二乘估计和二次损失下最优估计的平衡;最后,我们讨论了最优估计关于损失函数和模型设定的稳健性,并得到了该最优估计在模型误定下具有稳健性的充分必要条件.     

基于模型的小域估计方法及其拓展——由单变量推广到多变量情形

小域估计是当今抽样调查领域的研究热点,通过建立小域估计模型,将所有调查区域通过公共的参数连接起来,利用相关区域数据作为辅助信息,解决多层次抽样调查中某些域样本量不足的问题,提高参数的估计精度。本文首先在目标变量是单变量的情形下,研究了域层次模型和单元层次模型的参数估计方法,进而推广到目标变量是多变量的情形,考虑变量之间的相关性,研究了多变量Fay-Herriot模型参数的经验最优线性无偏预测及其均方误差矩阵的性质,最后通过一个实例,验证了参数估计具有良好效果。     

参数空间被限制时有限总体的可容许估计

本文考虑参数空间被限制时有限总体的可容许估计问题,在期望均方误差准则下,获得了有限总体指标值的线性函数之线性估计在线性估计类中为可容许的充要条件.     

基于分层贝叶斯广义线性模型的小域估计方法研究

当前,构建恰当的小域估计方法是解决我国政府抽样调查中多层次推断问题的关键所在。由于小域的小样本特性,基于频率统计学的小域估计方法推断效果并不理想,而传统基于贝叶斯统计视角的小域估计方法在非连续型变量估计时适应性不强。本文在系统介绍传统贝叶斯小域估计方法的基站上,为了解决离散变量的估计推断问题,将广义线性模型引入到分层贝叶斯方法中,构建了基本的理论机制和分类数据的估计模型。基于此模型,运用全国流动人口动态监测调查2014年广东省内的样本数据进行实例测算,估计出广东省各地级市的流动人口学历分布情况,并将分层贝叶斯广义线性模型的估计结果与传统估计方法进行了对比分析。结果显示,分层贝叶斯广义线性模型在样本量充足的情况下能够准确地估计出目标小域的总体参数,在样本量不足的小域中依然能够给出稳健的估计结果。文章所构建的估计模型不仅可以充分利用先验信息和辅助信息,还适用于对复杂数据进行估计推断,能够为我国政府抽样调查的小域估计实践提供有价值的理论参考。     

有限总体中基于广义Liu 估计的预测及其小样本性质

在有限总体中提出了一类基于广义Liu估计的新的预测,得到了基于广义Liu估计的预测在预测均方误差意义下优于最优线性无偏预测的充要条件,并通过实例对理论成果进行了进一步的说明.     

基于混合地理加权回归模型的小域估计

近年来,基于空间模型的小域估计方法在抽样调查领域得到越来越多的关注.提出了一类混合地理加权单元层次小域模型用以刻画空间非平稳性,其中回归系数一部分为常数,另一部分则是随着地理位置的变化而变化.基于模型给出了域均值的估计,并研究了该估计量的均方误差及其估计.     

有限总体中的最优预测

研究了有限总体中的最优预测问题,在一般Ｇａｕｓｓ－Ｍａｒｋｏｖ模型下得到了线性可预测变量的最优线性无偏预测,特别地,考虑了一类特殊的预测函数：ｂ－线性预测函数。     

模型辅助条件下广义最优回归抽样估计方法研究

在抽样估计中,当超总体模型为非线性形式时,广义回归估计量和最优估计量的估计效果均有待提高,而非参数回归估计量虽然能在一定程度上提高估计精度,但需要获得全部总体单位的辅助变量值,这在实际调查中往往难以满足。本文基于传统的广义回归估计量和最优估计量,借鉴非参数回归中局部多项式的估计思想,对原始辅助变量信息进行扩展,得到原始辅助变量多次方形式的新辅助变量,进而研究提出广义最优回归估计量。该估计量可以克服广义回归估计量、最优估计量和非参数回归估计量的缺陷,并证明其满足渐近无偏性和一致性。在不同超总体模型下,通过数值模拟方法比较了各类回归抽样估计方法的估计效果,模拟结果显示:在线性模型下,除了π估计量的精度较差,其余各类估计量的估计精度基本相同;但在非线性模型下,最优估计量和广义回归估计量的估计精度明显下降,而广义最优回归估计量和非参数的局部多项式回归估计量的估计精度都较好。     

带有异方差的部分线性回归模型的B样条估计

考虑一带有异方差的固定设计部分线性回归模型yij=X'ijβ+g(tij)+εij,i=1,2…,k:j=1,2,…,ni,和sum from i=1 to kni=n,其中yij为响应变量,β=(β1,…,βp)’是未知的参数向量,g(·)是未知的函数,Xij=(Xij1,…,Xijp)’和tij∈[0,1]为已知的非随机设计点,εij为均值0,方差是σi2的随机误差,其中σi2可能不同.通过B样条级数近似非参数分量,构造了参数分量β的一个半参数广义最小二乘估计.在一些矩条件下,导出了此半参数广义最小二乘估计的渐近分布,大多数在实际中遇到的误差分布都满足这些矩条件.另外,也构造了半参数广义最小二乘估计的渐近协方差矩阵的一个相合估计,还讨论了非参数分量的B样条估计.所有这些大样本性质都是在k趋于无穷大,ni有限时导出的.这些结果能被用来做渐近有效的统计推导.     

一类线性模型中参数的平衡LS估计的性质

对于线性回归模型中平衡LS估计这一类含参数t和参数矩阵L的估计,进一步讨论了t和L的取值对平衡LS估计优良性的影响,得到了平衡LS估计在某些准则下优于OLS估计的条件.     

A NEW METHOD FOR INCREASING PRECISION IN SURVEY SAMPLING

1 The Proposed MethodWhen the same population is 8amPled repeatly, one lnny be unwilling to provide the sametype of information time aller time. In order to increase the precision of such suyveys and savemoney statisticians suggested the saInPle rotation method (cL, Cochran (1977) or Feng, Niand Zou (1998)). This method is very useful and l1as been developed by Sen (1972, 1973) andFen g and Zou (1997). In this paper, we propose a new n1ethod--a method combining samplingwith prediction fo…     

稳定化有限元方法中逆估计常数的确定

0．弓I言稳定化有限元方法［2］［4］［12］［15］ro［18］在固体和流体力学的数值计算中构造有效的格式发挥着很大的作用．从理论分析的角度看，该方法（Galerkin一局部最小二乘方法）是完备的、确定的，但是在实际计算中稳定化参数。E（0，CI）的如何选取直接影响到逼近解的质量．数值实验【9川叫'川'到表明。取得太小会造成。伪l。压力模式rI．因此，对of的估计是一个值得注意的重要问题．文［8］虽然估训一了一些逆常数，但其未能给出确定逆估计常数的一般公式，而且技巧性太强，过于依赖区域剖分的性质，使得逆常数的计算复杂化，不…     

ALTERNATING DIRECTION FINITE ELEMENT METHOD FOR SOME REACTION DIFFUSION MODELS

This paper is concerned with some nonlinear reaction - diffusion models. To solve this kind of models, the modified Laplace finite element scheme and the alternating direction finite element scheme are established for the system of patrical differential equations. Besides, the finite difference method is utilized for the ordinary differential equation in the models. Moreover, by the theory and technique of prior estimates for the differential equations, the convergence analyses and the optimal L^2- norm error estimates are demonstrated.     

ADAPTIVE FINITE ELEMENT APPROXIMATION FOR A CLASS OF PARAMETER ESTIMATION PROBLEMS

In this paper, we study adaptive finite element discretisation schemes for a class of parameter estimation problem. We propose to efficient algorithms for the estimation problem use adaptive multi-meshes in developing We derive equivalent a posteriori error estimators for both the state and the control approximation, which particularly suit an adaptive multi-mesh finite element scheme. The error estimators are then implemented and tested with promising numerical results.     

分布阶扩散-波动方程的有限元解的误差估计

本文考虑了分布阶时间分数阶扩散波动方程,其中时间分数阶导数是在Caputo意义上定义的,其阶次$\alpha,\beta$分别属于（0,1）和（1,2）.文中提出了在计算上行之有效的数值方法来模拟分布阶时间分数阶扩散波动方程.在时间上,通过中点求积公式把分布阶项转换为多项的时间分数阶导数项,并且利用$L1$和$L2$公式来近似Caputo分数阶导数;空间上使用Galerkin有限元方法进行离散.给出了基于$H^1$范数的有限元解的稳定性和误差估计的详细证明,最后的数值算例结果说明了理论分析的正确性以及有效性.     

有限混合Laplace分布回归模型局部估计的EM算法

本文研究了一类有限混合Laplace分布回归模型的局部极大似然估计问题. 利用核回归方法和最大化局部加权似然函数的EM算法, 获得了参数函数的局部极大似然估计量, 并讨论了它们的渐近偏差, 渐近方差和渐近正态性. 推广了有限混合回归模型下局部非参数估计的结果.     

半参数回归模型非参数分量L1模估计的最优收敛速度

对半参数回归模型，采用分段多项式逼近非参数函数，构造了参数与非参数分量Ｌ１模糊估计，并获得了非参数分量Ｌ１模估计的最优估计收敛速度为Ｏｐ（ｎ＾－ｍ＋ｒ／［２（ｍ＋ｒ）＋１］）。