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．     

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．     

广义比估计与广义差估计及其优良性

本文提出了一个新的估计-广义比估计，将它与通常的广义差估计作了比较，并讨论了这两种估计的优良性．最后给出了一个有意义的应用．     

多元极值分布参数的最大似然估计与分步估计

本文考虑多元极值分布的参数估计，给出了分步估计渐近协差阵的近似表示，并对维数P=2，5及相关参数α=0．001，0．01；0．1（0．2），0．9；0．99，0．999的各种组合，计算了分步估计关于最大似然估计的渐近效率，分析了各种参数及维数对渐近效率的影响．分步估计是一种合理、简单而且有较强实用意义的估计方法．     

高维非均匀核N.N.估计的强一致收敛速度

本文讨论了高维空间中非均匀核Ｎ．Ｎ．Ｗ估计的一致强收敛强度。在密度数的条件与［１，２］相同时，得到了比［１，２］更好的收敛速度，就其收敛的主要部分而言已无可改进。由于均匀核Ｎ．Ｎ．估计是非均匀核Ｎ．Ｎ．估计的特例，从而大大拓广了Ｎ．Ｎ．估计的理论价值和应用范围。     

一个有最大崩溃点的正交同变的多元位置估计

本文给出了一个新的多元位置估计，这一估计是正交同变的，其崩溃点达到了Ｌｏｐｕｈａａ，Ｈ．Ｐ．和Ｒｏｕｓｓｅｅｕｗ，Ｐ．Ｊ．（１９９１）针对正交同变估计所给出的上界。     

风险值的估计及其周期分析

本文提出了两种风险值的估计方法，这两种方法均是先估计出收益的分布，然后求得分布左侧p分位点作为风险值的估计．第一种方法是用核估计方法得到收益的分布估计；第二种方法则是由分布的核估计算得收益的众数，引入所谓的广义半t分布拟合众数左侧的样本．文章以上证指数为实例验证了这两种方法的可行性与精确性．最后我们利用上述两种估计方法得到了上证指数风险值的波动主周期．     

贝叶斯对数线性估计

用Logits变换方法来讨论列联表的贝叶期估计，这时的估计称为贝叶斯对数线性估计，最早是由Lconard（1973，1975）提出的．Leonard讨论了二维表的对数线性贝叶斯估计；其后，Nazerat（1987）给出了三维表的贝叶斯对数线性估计．该文采用矩阵求微商方法，立足于高维表贝叶斯线性估计的较一般的表达形式；具体对四维表讨论员叶斯对数线性估计的表达和计算．     

Bayes估计的进一步研究及其Pitman最优性

对线性模型参数,讨论了Bayes估计的Pitman最优性,将已有结果进行了改进,去掉了附加条件,证明了在Pitman准则下,Bayes估计一致优于最小二乘估计(LSE),在此基础上,提出了一种基于先验信息的方差分量估计,通过和基于LSE的方差分量估计作比较,证明了新估计是无偏估计且有更小的均方误差．最后,证明了在Pitman准则下生长曲线模型参数的Bayes估计优于最佳线性无偏估计．     

误差方差的非齐次估计的可容许的充要条件

研究误差方差的非齐次二次估计的可容许性．在平方损失下,给出了一个非齐次二次估计在非齐次二次估计类中是误差方差的容许估计的充要条件．     

强相关数据回归函数的小波估计

讨论了在强相关数据情形下对回归函数的小波估计,并且给出了估计量的均方误差的一个渐近展开表示式． 对研究估计量的优劣,所推导的近似表示式显得非常重要．对一般的回归函数核估计,如果回归函数不是充分光滑,这个均方误差表示式并不成立A·D2但对小波估计,即使回归函数间断连续,这个均方误差表示式仍然成立．因此,小波估计的收敛速度要比核估计来得快,从而小波估计在某种程度上改进了现有的核估计．     

生长曲线模型中二次估计的非负最优性

考虑生长曲线模型Ｙ＝Ｘ１ＢＸ２＇＋ε，Ｅε＝０。设ε＝（εβ．．．εｎ）＇，ε＝（ε＇．．．εｎ＇）＇．Ｅεε＇＝Ｉ为未知协差阵，本文讨论了ｔｒ（ＣΣ）（Ｃ＜０）的一致最小方差非负二次无偏估计（简称为最优非负估计）问题，给出了一般二次估计是ｔｒ的最优非负估计的充要条件，从而得到ｔｒ的最优非负估计存在的充要条件，以及ｔｒ是ｔｒ的最优非负估计的充要条件。     

强相依数据的函数系数部分线性模型的估计

本文讨论在数据是强相依的情况下函数系数部分线性模型的估计．首先,采用局部线性方法,给出该模型函数项函数的估计;然后,使用两阶段方法给出系数函数的估计．并且讨论了函数项函数估计的渐近正态性,以及系数函数估计的弱相合性和渐近正态性.模拟研究显示,这些估计是较为理想的．     

删失数据下的变系数回归模型

研究了删失数据下的变系数回归模型．通过数据变换,利用局部多项式方法,给出了系数函数的局部加权最小二乘估计．证明了该估计的渐近偏差和渐近方差,同时获得了该估计的渐近正态性．     

二次损失下增长曲线模型回归系数线性估计可容许性特征

该文讨论了增长曲线模型回归系数线性估计在六种不同形式容许性定义下的可容许性．在较特殊的增长曲线模型下，证明了这六种容许性在特殊的估计类中是一致的，且得到了其共同容许估计的充要条件．但在线性估计类中它们不是一致的，可分为两类，并分别得到了其可容许估计的充要条件．     

关于线性回归模型的有偏估计

有偏估计方法是近代回归分析的常用方法．本文研究了几种常用的有偏估计方法，澄清了这些方法的区别和联系．对有偏估计的一些关键点进行研究，给出了一种新的岭参数确定法和一种新的主成分概念，并讨论了这些方法的优良性．为了提高有偏估计的效率，提出了用比例因子规范模型的方法．最后，给出了说明本文方法的数值例子．     

集团抽样不等概方法的均值估计及其性质

在集团抽样调查中，［１］和［２］给出了一般抽样方法及均值估计和它性质的论述，但未考虑各集团在总体中的地位对估计结果的影响．本文给出了集团抽样的不等概方法和均值的无偏估计，同时也给出了这种估计的方差及方差的无偏估计．     

Weibull分布形状参数的收缩估计

本文研究两参数Weibull分布在Ⅱ形截尾场合下形状参数的收缩估计．提出了形状参数的四个不同的收缩估计，在Minimax遗憾准则下得到了最优收缩系数．通过对这四个收缩信计的效的研究，可知他们在适当的先验信息下都优于原来的估计，其中基于近似无偏估计所得的形状参数的无编估计是比较理想的估计量．     

双指数分布位置参数的经验Bayes估计问题

本文在平方损失下导出了双指数分布位置参数的Bayes估计，利用非参数方法构造了位置参数的经验Bayes(EB)估计．在适当的条件下，获得了EB估计的收敛速度．最后，给出了一个例子说明适合定理条件的先验分布是存在的．     

部分线性回归模型的M-估计

本文讨论部分线性回归模型的M-估计．用局部线性方法给出未知函数的M-估计，用两步估计方法给出参数的M-估计．进一步证明了未知函数的M-估计的弱一致性和渐近正态性，参数的M-估计的弱一致性．