带线性约束的回归模型参数估计的新研究

针对一般带约束的最小二乘估计(ORLSE)在参数估计中处理复共线性的不足,引入随机线性约束,提出了约束k-d估计方法。在均方误差(MSE)下,讨论了它的性质,得到了四个主要结果,与带约束的最小二乘估计ORLSE、约束岭估计(RRE)和约束型Liu估计比较,得出更好的结论。     

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.     

包含多余回归变量的错误指定模型的随机约束Liu估计

对由于包含多余回归自变量而导致的错误指定线性回归模型,本文导出了回归系数的最小二乘估计,普通混合估计以及随机约束Liu估计,并在均方误差矩阵准则下对这三个估计的优良性进行了比较,给出了随机约束Liu估计优于最小二乘估计和普通混合估计的充要条件.此外,对它们所对应的经典预测值的优良性也进行了讨论.     

多元线性回归中强影响点的判别方法

本文研究了多元线性回归中一组观察数据对最小二乘估计的影响。给出了判别统计量及其分布,进而得到了判别强影响点的方法。     

模糊线性回归模型的约束最小二乘估计

自Tanaka等1982年提出模糊回归概念以来,该问题已得到广泛的研究。作为主要估计方法之一的模糊最小二乘估计以其与统计最小二乘估计的密切联系更受到人们的重视。本文依据适当定义的两个模糊数之间的距离,提出了模糊线性回归模型的一个约束最小二乘估计方法,该方法不仅能使估计的模糊参数的宽度具有非负性而且估计的模糊参数的中心线与传统的最小二乘估计相一致。最后,通过数值例子说明了所提方法的具体应用。     

约束最小二乘估计的优良性

对于线性模型y=Xθ ε,ε服从椭球等高单峰分布,未知参数θ满足不等式约束a′θ≥0,证明了在参数估计优良性的集中概率准则下,θ的约束最小二乘估计θ~*优于最小二乘估计θ.     

协方差阵扰动模型的Welsch-Kuh统计量与Cook距离

本文讨论线性回归模型中约束条件下协方差阵扰动模型的影响分析问题,定义了扰动模型的Ｗｅｌｓｃｈ－Ｋｕｈ统计量与 Ｃｏｏｋ距离,利用 Ｗｅｌｓｃｈ－Ｋｕｈ统计量研究扰动模型对其中某组数据对应的拟合值的影响以及用Ｃｏｏｋ统计量研究扰动模型对约束最小二来估计的影响．     

带有线性约束的增长曲线模型中均值参数的线性估计的泛可容许性

对于约束参数的增长曲线模型,本文从线性估计类中找出了泛可容许估计类,并得到了泛可容许估计与线性约束之间的一种刻划,这些结果断定,约束情况不明的时候,使用带线性约束的最小二乘估计比通常的最小二乘估计更保险。     

带线性约束的回归模型参数的Liu估计方法

针对一般带约束的最小二乘估计(ORLSE)在参数估计中处理复共线性的不足,通过引入附加随机线性约束,提出了约束Liu型估计方法.经理论证明,此方法在均方误差下较已经提出的ORLSE和约束岭估计(RRE)效果更好,并且它可以作为两种方法的推广形式.讨论了其中k, d的确定原则,并将此方法推广到了广义形式和典则形式下的估计公式.     

线性约束下部分线性模型中估计的渐近性质

考虑回归模型yi=x′iβ+ g(ti) + ei, 0 ≤i ≤nr=Rβ其中(xi,ti)是固定非随机设计点列,xi=(xi1,…,xip)′,β=(β1,…,βp)′(p 1) ,g是定义在[0 ,1]上的未知函数,β是未知待估参数,0≤ ti≤1i,ei 是i.i.d随机误差,且Eei=0 ,Ee2i=σ2 <∞.r是一个J维向量,R是一个J* p列满秩矩阵,基于g的估计取一个非参数权估计,本文讨论了在线性约束下β的最小二乘估计的相合性及渐近正态性.     

响应变量缺失下变系数部分线性测量误差模型的约束估计

当响应变量缺失、协变量具有测量误差,且模型参数部分有附加的线性约束时,主要研究一类变系数部分线性模型的统计推断问题.利用借补技术来补全缺失数据,并借助修正的profile最小二乘估计得到了模型参数分量和非参数分量的借补约束估计,并证明了参数分量的估计满足渐近正态性,同时非参数分量的估计与通常的非参数回归函数的估计具有相同的收敛速度.其次利用profile拉格朗日乘子检验对模型参数的约束条件进行检验,并证明了给出的检验统计量在原假设成立时渐近地服从标准卡方分布.数值模拟进一步表明对缺失数据进行借补可以有效地提高参数估计和假设检验的效率.     

约束线性模型的条件部分根方估计

对于线性约束下的线性回归模型,针对设计矩阵的病态问题,提出一种条件部分根方估计.并在均方误差矩阵准则和Pitman Closeness准则下,比较了条件部分根方估计相对于约束最小二乘估计的优良性.     

带线性约束的线性模型中回归系数的平衡LS估计

基于平衡损失的思想和最小二乘统一理论,对带线性约束的一般线性模型提出了一种全面度量估计优良性的标准．给出了此标准下模型中回归系数线性函数的约束广义平衡LS估计,并得到了约束广义平衡LS估计唯一性的一个充分条件．     

带有约束的部分线性变系数EV模型的偏差纠正统计推断

本文研究参数和非参数部分均带有测量误差(EV)的部分线性变系数模型的约束统计推断,综合profile最小二乘估计方法和局部纠偏方法给出模型中未知参数和系数函数的两种约束估计,并在适当条件下证明它们的渐近性质.最后通过数值模拟研究所提估计方法在有限样本下的实际表现.     

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.     

相依回归系统参数的预检验估计

对由m个相依线性回归方程组成的线性回归系统,本文提出了基于最小二乘估计和协方差改进估计的一种新型估计,即预检验估计。文章讨论了度量附加信息和样本信息之间相关程度的统计量,给出了估计的一些优良性结果,并与最小二乘估计及协方差改进估计作了比较,最后通过随机模拟验证了预检验估计所具有的良好性质。     

最小二乘估计关于误差分布的稳健性

对于设计矩阵$X$是列降秩的线性统计模型, 本文讨论了最小二乘估计关于误差分布的稳健性, 给出了误差分布的最大类, 使得误差项的分布在此范围内变动时, 最小二乘估计在均方误差矩阵准则下是最优估计.     

带有线性不等式约束的最小二乘

关于带有等式约束的最小二乘问题,目前已有许多文章进行了讨论和研究,但在实际工作中,有时还会遇到一些线性不等式约束.不等式约束使最小二乘问题的分析和处理复杂化,但足以补偿的是:利用线性不等式约束能够表达一类极为丰富的问题.带有线性不等式约束的最小二乘问题,可以视为二次规划的一种特殊情形,但一般二次规划问题实际处理很复杂,本文针对这一类特殊问题,将带有线性不等式约束的问题转化为带有等式约束的最小二乘问题,并给出方法的证明和数值例子.关于等式约束的最小二     

广义偏最小二乘(PLS)估计类

本文研究了一类含有偏最小二乘（partialleastsquaresPLS）估计的估计类．给出了PLS估计的一般代数形式；讨论了含有PLS估计的广义PPLS估计类的统计性质；给出了该估计类优于最小二乘估计的条件．     

部分线性模型的随机约束岭估计

研究了部分线性回归模型附加有随机约束条件时的估计问题.基于Profile最小二乘方法和混合估计方法提出了参数分量随机约束下的Profile混合估计,并研究了其性质.为了克服共线性问题,构造了参数分量的Profile混合岭估计,并给出了估计量的偏和方差.