混合系数线性模型参数的可容许估计

利用二次损失函数和矩阵损失函数,给出混合系数线性模型的可估参数向量Sd在线性估计类中的可容许估计,并且分别讨论固定系数α和随机系数期望b的可容许估计.     

增长曲线模型中系数阵的Minimax可容许线性估计

对于增长曲线模型Y=X1BX2′ ε,E(ε)=0,COV(ε)=σ2VΣ,在该模型中,B是回归系数矩阵,选取二次损失函数,在齐次线性估计类L0={MYN:M,N分别为m1×n,p×m2的常数矩阵,MX1=K}中给出了线性可估函数KBL的容许Mini max估计,并且证明了其唯一性.     

多元回归系数线性估计的Minimax可容许性

在矩阵损失下给出了带约束的多元回归系数线性估计在线性估计类中是Minimax可容许估计的充分条件。     

多元线性模型中系数矩阵的Minimax可容许估计

对于多元线性模型Y=XΘ+ε,E(ε)=0,COV(ε)=σ2(△)(◎)Σ,在该模型中,Θ是未知参数矩阵,此处选取的损失函数是矩阵损失,在齐次线性估计类L={AY:A是k×n的常数矩阵}中给出了多元回归系数矩阵的可估函数SΘ的Minimax容许估计,并且证明了其唯一性.     

一般线性模型中共同均值线性估计的可容许性

对于协方差阵半正定的一般线性模型中共同均值的线性（包括齐线性与非齐线性）估计的可容许性问题进行了研究。给出了共同均值的线性组合Ｓβ的线性估计分别在二次损失和矩阵损失下可容许的充要条件，从而推广了胡飞芳（１９９１年）的结果。     

线性估计可容许性的一个新证明

对一般的线性模型y～(Xβ,σ2V)和y～(Xβ,V)其中X和V为已知矩阵,σ＞0和β∈R     

一般线性模型中共同均值线性估计的可容许性

对于协方差阵半正定的一般线性模型中共同均值的线性（包括齐线性与非齐线性）估计的可容许性问题进行了研究．给出了共同均值的线性组合Ｓβ的线性估计分别在二次损失和矩阵损失下可容许的充要条件，从而推广了胡飞芳（１９９１年）的结果．     

不可估参数函数的可容许估计

对于线性模型ＥＹ＝Ｘβ,ＣｏｖＹ－∑＾ＭＩ＝１σＳ＾２Ｖｉ。当Ｓβ不可分别给出了Ｓβ的线性估计在二次损失和矩阵损失下线性可容许的充要条件。当Ｙ－Ｎ（Ｘβ,∑＾ＭＩ＝１σ＾２Ｖｉ）时,还得到了Ｓβ的线性估计在矩阵损失下在一切估计类中可容许的充要条件和在二次损失下在切估计类中可容许的充分条件和必要条件。     

正态线性模型中误差方差的一类不可容许的二次型估计

设y_1,y_2,…y_n是均值为β,方差为σ~2的相互独立的随机变量,β∈R~1,σ~2>0均是未知参数.本文证明了:当α>1/(n+2)时,在损失函数(d-σ~2)~2/σ~4下,aS~2+bY~2不是σ~2的可容许估计,其中S~2=??(y_i-y)~2,y=1/n??y_i.     

线性模型中回归系数混合估计的相对效率

设线性回归模型中回归系数的最小二乘（least square，LS）估计和混合估计分别为β与βm．当设计阵X列满秩时，获得了相对效率e1（β，βm）=det[Cov（βm）]／det[Cov（β）]以及e2（β，βm）=tr[Cov（βm）]／tr[Cov（β）]的界；当X不是列满秩时，设可估函数c′β的LS估计和混合估计分别为c′β和c′βm，获得了相对效率e3（c′β，c′βm,）=Var（c′βm）／Var（c′β）的界．     

生长曲线模型中线性估计的可容许性

讨论带约束生长曲线模型中的可容许性问题,并在矩阵损失下,给出了回归系数的线性估计是可容许估计的充要条件。     

共同均值参数的线性估计的可容许性

讨论了对于一般共同均值线性模型，共同均值参数的可估函数SXβ的线性估计在线性估计类和一切估计类中的可容许性问题，分别得到了它们的充要条件．     

带有不完全椭球约束的多元线性模型中线性估计的可容许性

 对于带有不完全椭球约束的多元线性模型,在参数可估和不可估2种情况下给出了风险函数的6种比较标准,并证明了这些标准是一致的.在齐次线性估计类和非齐次线性估计类中分别给出了参数估计可容许的充要条件.     

多元线性模型共同均值参数线性估计的可容许性

对于一般未知方差多元线性模型,讨论了共同均值矩阵参数的可估函数SXΘ的线性估计在线性估计类中的可容许性问题,证明了在本文所给的不同优良准则下可容许性是等价的,并得到了它们的充要条件.     

约束条件下多元随机效应线性模型中回归系数和参数的可容许估计

讨论约束条件下多元随机效应线性模型中回归系数和参数的线性估计的可容许性,在二次损失函数下,给出了随机回归系数和参数的线性估计分别在齐次和非齐次线性估计类中是可容许估计的特征.     

海量数据下线性混合效应模型的估计算法

基于以往文献提出线性混合效应模型参数的三步估计方法,避免了繁杂的极大似然估计迭代步骤。同时为进一步解决海量数据下计算估计量时存在的存储瓶颈及计算时间过长问题,在海量纵向数据的两种不同数据格式下,分别基于三步估计方法利用分治算法计算模型参数的估计量。数值模拟和实证分析结果表明,本文所提出的三步估计方法和估计量的分治算法可以减轻计算负担,减少占用内存,解决内存不足的问题,并提高计算速度。     

混合模型的假设检验

在带有区组效应的线性混合模型中，如何判断随机区组效应的存在性；在区组效应存在的情况下，如何对多项式效应进行检验是本文讨论的主要问题。本文通过对区组内分析和联合分析，给出了关于多项式效应检验的两种方法以及判断区组效应是否存在的统计检验方法。     

正态均值线性估计的可容许性

假定多元随机变量Y~Nn(β,σ2V),β∈Rn,σ2>0未知,V≥0已知;讨论了均值向量β的线性估计的可容许性,并在二次损失函数‖δ(Y)-β‖2下,得到了均值向量β的线性估计可容许的充要条件.     

两个方差分量线性组合估计的可容许性

考虑方差分量模型 在满秩情形，即ｒａｎｋ（Ｘ）＝ｎ，方差分量的线性组合 的可容 许估计条件．在二次型估计类 中，对给定的损失函数Ｌ ，推导证明了当Ｖ１＝Ｖ２时，　　　是 的可容许估计的充要条件，以及当没有 Ｖ１＝Ｖ２限制时，ｙＡｙ是 的可容许估计的充分条件．