聚集数据多元线性模型参数的多元聚集综合岭估计的相对效率

对于聚集数据的多元线性模型,提出了参数的多元聚集综合岭估计的概念,给出了多元聚集综合岭估计相对于最小二乘估计及最佳线性无偏估计的两种相对效率,并得到了这两种相对效率的上界.应用Monte Carlo模拟,验证了有关结论是合理的.     

聚集数据线性模型参数的改进广义岭估计的相对效率

对于聚集数据的线性模型,给出了参数的改进广义岭估计,并提出了改进广义岭估计的两种相对效率,得到了这两种相对效率的上界.     

聚集数据线性模型参数的聚集综合岭估计的相对效率

对于聚集数据的线性模型,给出了参数的聚集综合岭估计的概念,并给出了聚集综合岭估计相对于最小二乘估计的两种相对效率,得到了这两种相对效率的上界.     

聚集数据线性模型参数的广义岭估计的相对效率

对于聚集数据的线性模型,给出了参数的广义岭估计的两种相对效率,并得到了两种相对效率的上界.     

聚集数据线性模型参数的聚集改进综合岭估计的相对效率

对于聚集数据的线性模型,提出了参数的聚集改进综合岭估计的概念,并给出了聚集改进综合岭估计相对于最小二乘估计的两种相对效率,得到了这两种相对效率的上界.     

聚集数据线性模型参数的广义聚集Liu估计的相对效率

对于聚集数据的线性模型,给出了广义聚集Liu估计的两种相对效率,并得到了这两种相对效率的上界.     

线性模型参数的聚集改进广义Liu估计的相对效率

对于聚集数据的线性模型,给出了参数β的聚集改进广义Liu估计,研究了该估计相对于最小二乘估计及相对于Peter—Karsten估计的两种相对效率,并得到了相对效率的上界.实例分析表明,聚集改进广义Liu估计比最小二乘估计、Peter—Karsten估计更有效.     

聚集数据线性模型广义聚集双参数估计的相对效率

对于聚集数据的线性模型,提出了广义聚集双参数估计的概念,给出了广义聚集双参数估计的两种相对效率,并得到了这两种相对效率的上界.     

聚集数据线性模型广义聚集综合两参数估计的相对效率

对于聚集数据的线性模型,提出了广义聚集综合两参数估计的概念,给出了广义聚集综合两参数估计的两种相对效率,并得到了这两种相对效率的上界.     

聚集数据线性模型的聚集广义改进双参数估计的相对效率

对于聚集数据的线性模型,提出了聚集广义改进双参数估计的概念,给出了聚集广义改进双参数估计的两种相对效率,并得到了这两种相对效率的上界.     

聚集数据线性模型参数的聚集改进Liu估计的相对效率

对于聚集数据的线性模型,本文给出了参数β的聚集改进Liu估计,研究了该估计相对于最小二乘估计和相对于Peter-Karsten估计的两种相对效率,并得到了相对效率的上界.     

聚集数据下回归系数混合估计的相对效率

讨论在聚集数据情形下,具有附加信息的线性回归模型的参数估计,提出了回归系数的聚集混合估计,研究了该估计相对于Peter—Karsten估计和相对于最小二乘估计的相对效率,得到了相对效率的上、下界.     

聚集数据的Gauss-Markoff模型中参数估计的相对效率

文献［１］提出了聚集数据的Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型中未知参数的两种估计。本文又提出了关于最小二乘估计的三种估计新的相对效率，并研究了它们的性质以及与文献［２］讨论过的另一种相对效率的关系。     

Multivariate Dispersion Models

We introduce a class of multivariate dispersion models suitable as error distributions for generalized linear models with multivariate non-normal responses. The models preserve some of the main properties of the multivariate normal distribution, and include the elliptically contoured distributions and certain other known distributions as special cases. We give explicit methods for constructing multivariate proper dispersion models. This is exemplified by constructing multivariate gamma, Laplace, hyperbola, and von Mises distributions.     

广义多元Beta分布

本文把广义Beta分布(Eugene(2001))推广到了多元的情形, 研究了多元Beta分布的矩母函数,以及广义多元Beta分布的边际分布、条件分布及回归函数.给出了他们在次序统计量中的应用.