相依回归系统参数的一种估计

对于一类相依回归系统（１，１），本文对回归参数β１提出一种新的改进估计，并研究了这种估计及其相应的两步估计的优良性质。     

矩阵损失下一类相依回归模型中的线性容许估计和Minimax估计

本文研究设计矩人有相同值域的相依回归模型,在矩阵损失下我们给出了回归系数的线性估计是线性容许的充要条件,它们推广了已有的结果,我们也在矩阵上给出了某个回归模型的回归系数的唯一的Ｍｉｎｉｍａｘ估计,它说明此时其它模型的信息不起作用     

相依回归模型的岭型GLS估计及其优良性

本文首先提出了相依回归模型的岭型ＧＬＳ估计，然后讨论了其优良性。     

分块半相依线性回归模型的参数估计

考虑一般的分块半相依线性回归（SUR）模型及其相应的简约模型，给出简约模型下未知回归系数及其可估函数的协方差改进估计仍是分块SUR模型下相应参数的协方差改进估计的一个充要条件．     

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。     

具有独立贡献的相依回归模型

考虑相依回归（ＳＵＲ）模型ｙｉ＝Ｘｉβｉ＿ｅｉ，ｉ＝１，２，…，ｍ，Ｅｅｉ＝０，ｉ，ｊ＝１；２，…ｍ，其中ｙｉ和ｅｉ是ｎ×１维随机向量，Ｘｉ是ｎ×ｐｉ已知矩阵，βｉ是ｐｉ×１维参数向量，∑＝（σｉｊ）ｍ×ｍ＞０．文中给出了两个概念：独立贡献和简洁估计．主要结果是如下五种叙述等价：（１）ＳＵＲ模型具有独立贡献；（２）βｉ的ＢＬＵＥ是简洁估计；（３）协方差改进估计是ＢＬＵＥＺ（４）βｉ的ＢＬＵＥ具有形式其中，ｊ＝１，２，…，ｍ；（５）ＰｋＮｉＮｊ＝０，ｉ≠ｊ，ｋ，Ｉ，ｊ＝１，２，…，ｍ     

多元t分布下相依回归模型参数的两步估计

本文把文献中关于正态分布下相依回归模型参数Zellner估计的有限样本均方误差结果和效率结果以及两步协方差改进估计的一般均方误差结果推广到多元t分布情况,在该分布下两种估计的统计优效性质均不变.     

半相依模型参数估计的改进

对于m个半相依回归系统的未知回归系数, 文献[7]提出一种利用信息逐次迭加的方法, 该文首先在其基础上给出一种进一步改进形式, 并得到了其相合性, 同时作者借鉴文献[7]提出逐次迭加信息的构造估计思想给出一种具有小样本优良性的可行估计, 模拟研究也表明作者的改进估计是有效的.文献[10]根据Rao的协方差改进思想, 给出一种更为简洁的两步估计, 该文在此估计基础上给出一种改进形式, 新估计具有更好的可操作性和均方误差意义下的优良性.     

相依回归系统一种协方差改进估计之协方差阵的无偏估计

考虑相依回归方程系统ｙｉ＝Ｘｉβｉ＋εｉ（ｉ＝１，２），Ｅ（εｉ）＝０，Ｃｏｖ（εｉ，εｊ）＝σｉｊＩｎ。记βｉ为βｉ的协方差改进估计＾［１］。σｉｊ未知时，记βｉ为用非限定估计σｉｊ代替βｉ中的σｉｊ得到的两步估计，并记βｉ为用限定估计σｉｊ代替βｉ中的σｉｊ得到的两步估计，这两种两步估计的协方差中含有未知参数σｉｊ代替βｉ中的σｉｊ得到的两步估计，这两种两步估计的协方差中含有未知参数σｉｊ。本     

半相依回归系统中回归系数估计的若干结果

本文首先给出了半相依回归系统中回归系数的一种新的估计方法,即用一些较简单的矩阵代替β的BLUE(?)中相当复杂的矩阵,得到β的相应的估计.协方差改进估计(CIE)可以看成是BLUE的某种“近似”.当CIE可以改进时,我们引入广义CIE(GCIE),讨论了GCIE的一些统计性质.在∑_(mxm)已知时.我们还得到β_(?)在线性估计类中均方损失下的可容许估计.     

m0相依误差下非线性回归模型LS估计的大偏差

该文获得了m0相依误差下非线性回归模型LS估计的大偏差，推广了Sieders和Dzhaparidze在独立误差下的相应结果     

相依线性回归系统回归系数的预检验岭估计

对于由两个相依线性回归方程组成的线性回归系统，文「５」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，它具有许多优良性质，但是在设计阵呈病态时，预检验估计的均方误差很大，因而在这种情况下不再被谯是良好估计。     

相依样本非参数回归模型误差的相合估计

考虑非参数回归模型Y_i=g(X_i) c_i,i=1,2,…,其中误差㈦)为吵混合随机变量序列且具有公共的未知密度f(·),g(x)=E(Y|X=t)为未知回归函数。本文首先基于g(·)的非参数估计l(x)定义残差,然后基于残差构造f(·)的估计l(x),最后在适当条件下建立l(x)的逐点相合性及一致强相合性。     

半相依回归系统参数的广义压缩估计

本文对二个相依回归方程组成的线性回归系统(1,1),在设计矩阵呈病态时,提出了—类改进估计广义压缩估计类,讨论了这类估计的可容许性和均方误差下的比较。     

相依线性回归系统的泛岭改进估计

对于一类相依线性回归系统，本文提出了一种泛岭改进估计，并讨论了这种估计及相应的两步估计的优良性质，获得了若干深入的结果．     

半相依部分线性可加回归模型的统计推断

受实际问题研究的启发, 为减少模型偏差, 提出了一类半相依部分线性可加的半参数回归模型. 这类半相依模型中, 响应变量与 一部分解释变量之间的关系是线性的, 与另一部分解释变量之间的关系未知但具有可加结构, 各方程的误差之间是相关的. 将级 数逼近法、最小二乘法和同期相关的估计结合起来, 提出了用于估计模型参数分量的加权半参数最小二乘估计量(WSLSEs), 和用于估 计模型非参数分量的加权级数逼近估计量(WSEs). 证明了这些加权的估计量比相应的不加权的估计量渐近有效, 并导出了相应的渐近正态性. 另外, 还讨论了利用这些估计量的渐近性质来对模型的参数及非参数分量作统计推断. 用大量的模拟实验考察 了所提出的方法在有限样本情况下的表现, 并对美国的一个关于妇女工资问题的全国纵向调查(NLS)数据集进行了统计分析.     

相依误差下非线性回归模型LS估计的收敛速度

研究非线性模型的参数估计问题,在误差满足较宽泛的条件时,证明了参数的最小二乘估计具有强相合性及强相合速度.     

半参数回归模型的二阶段估计

考虑回归模型，ｇ为Ｒ１上未知函数，β为ｐ×１维待估参数向量．本文基于模型的可加性得到了β和ｇ的估计量，证明了它们具有很好的大样本性质．     

弱相依误差线性回归模型M-估计的弱相合性

本文考虑线性回归模型yi=xTiβ+ei,i=1,2,…,n,其中ei是(ε,ψ)-弱相依随机误差.在较一般的条件下,我们得到了M-估计弱相合性的统一结果,该结果推广了线性回归模型M-估计的相应结论,包括所有时间序列相依误差,如:高斯序列、相协序列、Bernoulli漂移、Markov链、一些广泛使用的线性或非线性时间...