线性回归问题中的一个估计

在线性回归问题中的病态条件下,提出了一个新的有偏估计及容许性证明.[1]中的估计实为此估计的一个特例.进一步针对两种特殊情况,给出了特殊的有偏估计及其容许性证明.     

一种有偏估计与最小二乘估计的两种新的相对效率

考察了线性回归模型的回归系数的一类有偏估计,在均方误差矩阵准则下将其与最小二乘估计(LSE)进行比较,导出了这类有偏估计相对于LSE的两种新的相对效率的上、下界.     

一类相依回归系统参数的有偏估计

对于一类相依线性回归系统(1.1),许多作者研究了回归参数的最小二乘估计的改进,这些改进估计都是无偏估计且在通常情况下具有许多优良性质,但是在设计阵呈病态时这些改进估计的均方误差都很大,因而在这种情况下不再被认为是良好估计。针对这种情况,本文提出了两种有偏估计,证明了在设计阵呈病态时这些有偏估计的优良性质并研究了与之有关的检验问题。     

Gauss-Markov条件下最小二乘估计的强相合性

设Y_i=x＇_iβ+e_i,1≤i≤n为线性模型,β_n=(β_n1,…,β_np)＇为β=(β₁,…,β_p)＇的最小二乘估计,以u_n记(sum from i=1 to n(x_ix＇_i))的(1,1)元,v_n=u_n^-1.证明了在Ee_i=O且{e_i}满足Gauss-Markov条件时,v_i→∞及sum from i=2 to ∞(v_i^-2(v_i-v_i-1)log~2i<∞)为β_n1强相合的充分条件,且对任何ε_n→0,v_i→∞及sum from i=2 to ∞(ε_iv_i^-2(v_i-v_i-1)log²i<∞)已不再充分.提出了β_n1强相合的一个充要条件,它把β_n1强相合归结为正交随机变量级数的收敛问题.     

相依样本下条件中位数估计的渐近正态性

文中设｛（Ｘｎ，Ｙｎ）：ｎ≥｝为严平稳ρ－相依随机变量列，出于稳健角度，给出了Ｙ关于Ｘ回归中位Ｌ１－模估计θｈ（ｙ│ｘ），在适当条件下证明了θｈ（ｙ│ｘ）的渐近正态性。     

秩亏线性模型中的一个新的线性有偏估计类

本文基于最优线性最小偏差估计的谱分解,定义了秩亏线性模型未知参数的一个新的线性有偏估计类,并讨论了它的许多重要性质,通过选取偏参数的适当形式,构造了许多很有意义的线性有偏估计,最后,给出了一个算例。     

错误指定多元线性回归模型的Bayes估计

本文在错误指定下给出了多元线性模型的最优线性 Bayes估计 ,在矩阵损失下讨论了其相对于最小二乘法估计的优良性 ,且获得 Bayes估计的容许性和极小极大性     

带Hermite插值条件的最小二乘估计

提出了带Hermite插值条件的最小二乘拟合问题,并给出了带Hermite插值条件的最小二乘拟合的拟合曲线的具体表达式.利用Lingo建模语言设计了求解带Hermite插值条件的最小二乘拟合的拟合曲线的Lingo程序,并通过Excel软件得到了求解带Hermite插值条件的最小二乘拟合的拟合曲线的应用软件.     

关于线性模型中LS估计相合的条件

考虑线性模型yi=X_i~rβ+e_i i=1,2,…,其中β是未知的 p-维向量参数,{e_i,i≥1)为独立随机变量序列满足均值 Ee_i=0,r-阶矩 E|e_i|~r 有限,这里1≤r<2,i=1,2,….本文在某种意义下,建立了β的最小二乘(LS)估计的(1):r 阶矩相合的充分必要条件;(2):一元回归(即 p=1)的强相合的充分必要条件和对设计矩阵 X_n=(x_1,…,x_n)有某些约束下,多元回归中强相合的充分必要条件;(3):弱相合的充分必要条件.这里考虑所加条件的途径与以往文献中的途径完全不同.     

主成分估计的一个性质

本文使用矩阵的奇异值分解技术,得到了主成分估计的两个表达式,在此基础上,证明了主成分估计的一个性质。