复共线联立方程模型参数的修正间接岭估计

在结构方程恰好被识别时,研究了外生变量设计矩阵X复共线时联立方程模型的参数估计问题,提出了参数的一种修正间接岭估计方法,并证明了这种参数估计的良好统计性质,最后给出了在修正间接岭估计均方误差最小意义下岭参数的一种选择方法.     

广义岭估计优于最小二乘估计的两个充分条件

分别给出了线性回归模型未知参数β的广义岭估计在MSE准则和PC准则下优于LS估计的充分条件.     

混合误差下半参数回归模型小波估计的强相合性

研究了一类半参数回归模型,利用最小二乘法和小波估计法给出了未知参数β和未知函数g(.)的估计.在误差序列为ψ-混合或φ-混合下得到了^β的强相合性,给出了^g(.)的一致强相合性和r阶矩相合性.     

推广的生长曲线模型中未知参数矩阵的广义最小二乘估计的可容许性

本文在设计矩阵与结构矩阵分别正交的条件下,研究了推广的生长曲线模型未知参数矩阵的广义最小二乘估计.运用矩阵理论证明了此广义最小二乘估计在某个线性估计类中的可容许性.并对潘建新(1989)的结果的推广.     

多元广义岭估计及K值选取的 Q(c)准则

当自变量间存在复共线性时,最小二乘估计就表现出不稳定并可能导致错误的结果.本文采用广义岭估计β(K)来估计多元线性模型的回归系数β=vec(B),通过岭参数K值的选取,可使广义岭估计的均方误差MSE小于最小二乘估计的MSE.指出了广义岭估计中根据MSE准则选取K值存在的主要缺陷,采用了一种选取K值的新准则Q(c),它包含MSE准则和最小二乘LS准则作为特例,从理论上证明和讨论了Q(c)准则的优良性,阐明了c值的统计含义,并给出了确定c值的方法.     

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.     

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.     

生长曲线模型中基于奇异值分解的岭估计

在生长曲线模型中将设计阵的奇异值分解与普通的岭估计相结合,针对设计阵A与C至少有一个病态时的情况提出生长曲线模型中基于奇异值分解的岭估计.比较其在均方误差,均方误差矩阵,及PC准则下相对于最小二乘估计的优良性.证明其容许性并利用Hemmerle和Brantle用于确定广义岭估计参数的方法给出极小化均方误差的无偏估计法选取岭参数.     

岭估计优于最小二乘估计的条件

本文讨论在均方误差意义下岭估计优于最小二乘估计的问题，给出了岭估计优于小最小二乘估计的必要条件及较一般的充分条件。     

存在趋势和周期特征的非平稳时间序列的建模及其应用

本文研究存在未知周期和趋势的非平稳时间序列的估计问题.将经典的时间序列分解模型写成一个含有未知参数的部分线性模型,首先采用B-样条逼近未知时间趋势,然后利用惩罚最小二乘回归法得到未知周期、周期序列和趋势的估计.本文还给出估计量的理论性质,包括周期估计的相合性以及周期序列和趋势估计的渐近性质.模拟研究展现了本文方法的优越...     

权回归模型中最小二乘估计的相对效率

对于线性加权回归模型，本文得到了未知参数的最小二乘估计相对于最佳线性无偏估计的四种相对效率的下界，并建立了相对效率与广义相关系数的联系。     

线性模型中最小二乘估计的一种新的相对效率

对于线性模型未知参数最小二乘估计，本文提出了一种新的相对效率，并研究了它的性质，以及与Bloonfield-Watson等，讨论过的另一种相对效率的关系。     

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.     

多元广义岭估计及K值选以的Q（c）准则

当自变量间存在复共线性时，最小二乘估计就表现出不稳定并可能导致错误的结果。本采用广义岭估计β（K）来估计多元线性模型的回归系数β=vec(B),通过岭参数K值的选取 ，可使广义岭估计的均方误差MSE小于最小二乘估计的MSE。指出了广义岭估计中根据MSE准则选取K值存在的主要缺陷，采用了一种选取K值的新准则Q（c），它包含MSE准则和最小二乘LS准则作为特例，从理论上证明和讨论了Q（c）准则的优良性，阐明了c值的统计 含义，并给出了确定c值的方法。     

岭估计在上海居民生活用电预测中的应用

负荷预测精度涉及到电力工业投资的经济效益，超前投资造成资源浪费；滞后又影响经济发展．在上海居民生活用电预测中，用岭估计代替最小二乘估计，可以消除多元线性回归方程系数的估计为负带来的不合理结果，提高预测精度，本文总结了岭参数的选择对长期负荷预测的影响，取得较满意的预测结果．     

半参数变量含误差函数关系模型的小波估计

本文研究半参数变量含误差函数关系模型，应用小波估计法和全最小二乘法得出未知参数和未知函数的估计，在一般的条件下，证明了估计的强相合性、一致强相合性，并给出了误差方差估计的强收敛速度。     

Panel模型中两步估计的优良性

本文研究Panel模型中未知参数的估计问题，给出了两步估计的协方差的准确表达式．用均方误差作为度量估计的优劣标准，我们建立了两步估计优于Within估计和最小二乘估计的充要条件．特别我们获得了两步估计优于Within估计的简单充分条件．一般说来，对于中等数量的样本容量，两步估计就优于Within估计，类似的结论对Between估计或最小二乘估计也成立．     

半变系数模型的变窗宽和一步局部M-估计

讨论了半变系数模型的变窗宽一步局部M-估计.用一步局部M-估计给出了未知函数的估计,用平均法给出了未知参数的估计,并在其中嵌入一个变窗宽加以提高,得到了未知函数和未知参数的渐近正态性.     

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.     

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.