独立约束条件下线性模型的参数估计

对线性回归的未知参数估计问题,在某些种假设的条件下已有结论,对有约束条件的情况下,线性回归模型中参数估计如何,本文给出了带有独立的约束条件下线性回归模型中参数β的最小二乘估计。     

删失数据下线性回归模型的参数估计

主要叙述在数据观测不完全的情况下,采用最小二乘法对线性回归模型回归系数的估计及估计量的渐进性质,并给出数据模拟．     

不等式约束条件下回归模型的参数估计及检验

本文研究了具有不等式约束条件的回归模型的参数估计，给出了检验的统计量和一个实例．     

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.     

部分线性模型中估计的强相合性

考虑回归模型：ｙｉ＝ｘｉβ＋ｇ（ｔｉ）＋σｉｅｉ，１ｉｎ，其中σ２ｉ＝ｆ（ｕｉ），（ｘｉ，ｔｉ，ｕｉ）是固定非随机设计点列，ｆ（·）和ｇ（·）是未知函数，β是待估参数，ｅｉ是随机误差．对文［１］给出的基于ｇ（·）及ｆ（·）的一类非参数估计的β的最小二乘估计＾βｎ和加权最小二乘估计βｎ，我们在适当条件下证明了它们的强相合性．     

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.     

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∑ni=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σ2i的随机误差,其中σ2i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,n.有限时导出的.这些结果能被用来做渐近有效的统计推导.     

部分线性模型中的Edgeworth展开

本文在相当一般的条件下，首先给出了部分线性模型中有关参数β的标准化统计量的一阶Ｅｄｇｅｗｏｒｔｈ展开，然后构造了误差方差的一个非残差型相合估计，最后给出了相应的学生化统计量的Ｅｄｇｅｗｏｒｔｈ展开．     

线性模型参数估计的一种新的相对效率

本文对线性模型的最小二乘估计（ＬＳＥ）与最佳线性无偏估计（ＢＬＵＥ）提出了一种新的相对效率并给出了新的相对效率的上、下界,最后还讨论了新的相对效率与已有的几种相对效率的关系。     

齐次线性约束回归模型参数的主成分压缩估计

当设计矩阵X复共线时,对齐次线性约束回归模型参数的约束最小二乘估计进行改进,提出参数的主成分压缩估计,并对新参数估计的性质进行了讨论,最后进行了数值模拟,验证了算法的参数估计优于约束最小二乘估计.     

Minimum Disparity Estimation in Linear Regression Models: Distribution and Efficiency

This paper deals with the minimum disparity estimation in linear regression models. The estimators are defined as statistical quantities which minimize the blended weight Hellinger distance between a weighted kernel density estimator of errors and a smoothed model density of errors. It is shown that the estimators of the regression parameters are asymptotic normally distributed and efficient at the model if the weights of the density estimators are appropriately chosen.     

多元线性模型参数的部分压缩估计

考虑多元线性回归模型Y=XB ε,其中E(Vec(ε))=0,Cov(Vec(ε))=∑In,当设计阵X呈病态时,模型参数的LS估计不再是一个优良估计,为此,提出了一种部分压缩估计,并分析了其性质.     

Linear Least Squares Estimation of Regression Models for Two-Dimensional Random Fields

We consider the problem of estimating regression models of two-dimensional random fields. Asymptotic properties of the least squares estimator of the linear regression coefficients are studied for the case where the disturbance is a homogeneous random field with an absolutely continuous spectral distribution and a positive and piecewise continuous spectral density. We obtain necessary and sufficient conditions on the regression sequences such that a linear estimator of the regression coefficients is asymptotically unbiased and mean square consistent. For such regression sequences the asymptotic covariance matrix of the linear least squares estimator of the regression coefficients is derived.     

平衡损失下不等式约束回归系数的线性容许估计

对回归系数在不等式约束和平衡损失下讨论了其线性估计的可容许性,给出了齐次和非齐次线性估计类中可容许估计的充要条件.     

不等式约束下线性模型中线性估计的可容许性

研究了线性模型在不等式约束条件下齐次和非齐次线性估计的可容许性,刻画了两者之间的关系,得到了不等式约束条件下非齐次线性估计可容许性的充要条件．     

平衡损失下回归系数的最优线性无偏估计

在平衡损失函数下得到了回归系数的最优线性无偏估计,结果表明平衡损失下的最优线性无偏估计就是线性模型中回归系数的最小二乘估计.     

一类线性回归模型中核估计的渐近性质

考虑固定设计下具有一阶非参数自回归误差的线性模型,构造了参数和非参数函数的N-W核估计,在适当的条件下,证明了参数估计的强相合性,同时给出了非参数函数估计的渐近正态性.     

基于参数估计线性回归模型选择的研究

关于线性回归模型选择 ,[1 ]中介绍了许多方法 ,他们均基于残差平方和下建立的选择准则 .本文试基于参数估计的理论给出一种方法 ,从参数估计的优良性质上来说 ,我们认为是合理的 .同时给出了计算方法及应用实例 .     

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 .     

线性模型中加权混合估计相对于最小二乘估计的两种相对效率

本文提出了线性模型中加权混合估计相对于最小二乘估计的两种相对效率,并给出了这些相对效率的上下界.