不同混合线性模型下线性函数的最佳线性无偏预测相等的条件

考虑一个不仅对协方差矩阵没有任何秩假设,而且对随机效应向量和随机误差向量之间的关系没有任何限制的混合线性模型.给出了线性统计量Ay是线性函数f（L,N）的最佳线性无偏预测的充要条件;同时也给出了在混合线性模型M1下BLUP（f（L,N））仍是在混合线性模型M2下BLUP（f（L,N））的充要条件;最后给出在两混合线性模型下BLUP（f（L,N））相等的条件.     

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。     

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。     

带约束条件和多余参数的线性模型的比较

对于带约束条件和多余参数的两个线性模型ｅ１＝Ｌ（Ｘ１β＋Ｚ１γ,Ｖ１,Ｌ１）和ｄ２＝Ｌ（Ｘ２β＋Ｚ２δ,Ｖ２,Ｌ２）,其中Ｖ１和Ｖ２是已知对称的正定矩阵,γ和δ是多余参数,Ｌ１和Ｌ２是已知的约束矩阵,文中给出了一种新的比较准则,并得到了几个充要条件。     

协方差矩阵扰动生长曲线模型岭估计的影响分析

本文研究了协方差矩阵发生扰动时，生长曲线模型岭估计的影响分析，建立了生长曲线模型、协方差矩阵扰动生长曲线模型岭估计之间的关系式。讨论了协方差扰动和数据删除对岭估计的影响，导出了度量影响大小的基于岭估计的广义Cook距离Di^*（k）最后，用实例说明了用Di^*(k）度量生长曲线模型的影响点是有效的。     

奇异线性模型基于变换观测值的最佳线性无偏估计

对于奇异线性回归模型Y丫:X9十c,c”(o,∑),其中∑主o,X的秩任意,本文一般地考察观测值的线性变换铲:9r对于系数d的最佳线性无偏估计(BLUE)的影响,得到了由变换带来的参数估计变化的一般结果,文献[1]关于线性变换保持BLUE最优性的主要结果成为该结果的一个推论,本文还证明了这种变换模型的参数估计问题等价于一个广义均值漂移模型的参数估计问题。     

多元协方差阵扰动模型岭估计的影响分析

本文研究了多元线性同归模型岭估计的影响分析问题.利用最小二乘估计方法,获得了多元协方差阵扰动模型与原模型参数阵之间的岭估计的一些关系式,给出了度量影响大小的基于岭估计的广义Cook距离.     

奇异线性模型最小二乘估计的相对效率

对于奇异线性模型引入了参数β的最小二乘估计相对与最佳线性无偏估计的一种新的相对效率，并讨论了它的下界。     

混合线性模型联合估计的一个注记

本文从一个新的角度刻划了一般混合线性模型中固定效应β与另一随机向量δ的联合估计的最佳线性无偏估计的一种最优性 ,这一性质比最小方差性更为直观     

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 .     

约束条件下多元线性模型中线性估计的可容许性

本文研究了多元线性模型中未知参数在约束条件:(θ-θ0)′X′NX(θ-θ0)≤U,N≥0下中心点θ0对线性估计的可容许性的影响.研究结果表明对于具有某种结构的θ1和θ2,在约束集(θ-θ1)′X′NX(θ-θ1)≤U,N≥0与(θ-θ2)′X′NX(θ-θ2)≤U,N≥0下的可容许线性估计类是一致的.     

A Study of the Equivalence of the BLUEs between a Partitioned Singular Linear Model and Its Reduced Singular Linear Models

Abstract Consider the partitioned linear regression model and its four reduced linear models, where y is an n × 1 observable random vector with E(y) = Xβ and dispersion matrix Var(y) = σ² V, where σ² is an unknown positive scalar, V is an n × n known symmetric nonnegative definite matrix, X = (X ₁ : X ₂) is an n×(p+q) known design matrix with rank(X) = r ≤ (p+q), and β = (β′ ₁: β′₂ )′ with β₁ and β₂ being p×1 and q×1 vectors of unknown parameters, respectively. In this article the formulae for the differences between the best linear unbiased estimators of M ₂ X ₁β₁under the model and its best linear unbiased estimators under the reduced linear models of are given, where M ₂ = I -X ₂ X ₂ ⁺ . Furthermore, the necessary and sufficient conditions for the equalities between the best linear unbiased estimators of M ₂ X ₁β₁ under the model and those under its reduced linear models are established. Lastly, we also study the connections between the model and its linear transformation model. *This work is supported by the National Natural Science Foundation of China, Tian Yuan Special Foundation (No. 10226024), Postdoctoral Foundation of China and Lab. of Math. for Nonlinear Sciences at Fudan University. This research is supported in part by The International Organizing Committee and The Local Organizing Committee at the University of Tampere for this Workshop **The work is supported in part by an NSF grant of China. Results in this paper were presented by the first author at The Eighth International Workshop on Matrices and Statistics: Tampere, Finland, August 1999     

线性模型下F-检验最优的误差协方差结构

文献中回归参数线性假设的F-检验统计量主要包括基于广义最小二乘估计F- 统计量F(θ),基于最小二乘估计的F-统计量FLSE以及Wu C．F．J．等于1988年提出的调整的F-统计量FA(θ)．其中后两者因形式简单而常常被广泛采用．本文主要研究了FA(θ)和FLSE的最优性,并分别获得了FA(θ)=F(θ)和ELSE=F(θ)的充要条件．最后,我们将所得的结果应用到医药领域的两类重要模型．     

约束条件下增长曲线模型中回归系数线性估计的泛可容许性

该文讨论了增长曲线模型$Y=X_{1}BX_{2}+\epsilon$在约束条件$X_{2}'B'X_{1}'NX_{1}BX_{2}\leq\Sigma$下回归系数线性估计$DYF$的泛可容许性问题,在损失函数$(d(Y)-KBL)'(d(Y)-KBL)$下,给出了回归系数的线性估计是泛可容许性的充要条件,其结果推广了文献中已有的结论.     

线性变换对带约束奇异线性模型的条件G—M估计的影响

考虑带约束奇异线性模型Y=Xβ＋ε，Lβ＝0，E（ε）＝0，cov（ε）＝σ~2V，其中V为非负定矩阵，X为任意秩．文章研究了观察向量Y的线性变换对回归系数条件可估函数Sβ的G－M估计的影响，并将条件可估子空间μ（X'L'）划分成Ω＋Ω_＋Ω_2.当μ（S'）Ω时，Sβ的条件G-M估计在模型变化后其优良性不变；当μ（S'）Ω_1时，模型变化后Sβ仍可估，但Sβ的条件G－M估计的方差要变大；当μ（S'）Ω_2时，Sβ不可估．     

多元线性模型带约束参数集的线性估计泛可容许性

文中给出了多元线性模型（犢，犡Θ，犞Σ）中回归系数的线性估计在线性估计类中是泛可容许的一些特征，其中损失函数取为（犇（犢）－犛Θ）′ （犇（犢）－犛Θ），参数Θ 和Σ 取值于约束集合犎犖＝｛（Θ，Σ）：Θ′犡′犖犡Θ≤Σ，犖≥０｝．     

测量误差数据下线性模型的几乎无偏岭估计

文章讨论带测量误差的线性模型中参数估计的问题.当带测量误差的线性模型存在复共线的时候,通过几乎无偏估计的思想,提出了几乎无偏岭估计,并对估计的性质进行分析.通过研究发现几乎无偏岭估计不但能克服复共线性,同时有比较小的均方误差.     

Truncated Estimator of Asymptotic Covariance Matrix in Partially Linear Models with Heteroscedastic Errors

A partially linear regression model with heteroscedastic and/or serially correlated errors is studied here. It is well known that in order to apply the semiparametric least squares estimation （SLSE） to make statistical inference a consistent estimator of the asymptotic covariance matrix is needed. The traditional residual-based estimator of the asymptotic covariance matrix is not consistent when the errors are heteroscedastic and/or serially correlated. In this paper we propose a new estimator by truncating, which is an extension of the procedure in White. This estimator is shown to be consistent when the truncating parameter converges to infinity with some rate.     

线性约束下异方差回归模型参数的极大似然估计

运用参数的极大似然估计法,给出在线性约束条件Hβ=C下异方差回归模型参数β和λ的极大似然估计,并讨论了估计参数的性质和模型的残差.利用得到的结论对线性约束下异方差回归模型的进一步研究和应用具有一定的理论和实际价值.