多元线性回归模型中的线性经验Bayes估计

H.Robbins提出的经验Bayes估计应用于多元线性回归模型,已有一些文献进行了讨论。Martz和Krutchkoff通过Monte-Carlo模拟试验讨论了一般假设下的线性回归模型问题,但并没有从理论上证明他们所给出的EB估计的任何相合性和渐近最优性。Wind考虑了当误差向量满足0均值σ~2I为协方差阵时,回归系数的EB估计问题,但其结果也存在着缺陷。Singh考虑了在多元线性回归模型中误差向量具有多元正     

一般线性混合模型中的最佳线性无偏估计和谱分解估计

该文在一般线性混合模型中, 研究了固定和随机效应线性组合的估计问题.对观测向量的协方差阵可以为奇异矩阵情形下,导出了该组合的最佳线性无偏估计,并证明了它的唯一性.在一般线性混合模型的特例, 三个小域模型下, 得到了小域均值u_i 和方差分量的谱分解估计. 进而, 获得了基于谱分解估计的两步估计均方误差的二阶逼近.     

一类线性回归模型中核估计的渐近性质

考虑固定设计下具有一阶非参数自回归误差的线性模型,构造了参数和非参数函数的N-W核估计,在适当的条件下,证明了参数估计的强相合性,同时给出了非参数函数估计的渐近正态性.     

多元线性模型参数的部分压缩估计

考虑多元线性回归模型Y=XB ε,其中E(Vec(ε))=0,Cov(Vec(ε))=∑In,当设计阵X呈病态时,模型参数的LS估计不再是一个优良估计,为此,提出了一种部分压缩估计,并分析了其性质.     

二次损失下增长曲线模型参数阵的线性Minimax可容许估计

本文在二次损失函数下,给出了增长曲线模型参数阵的线性估计在给定的线性估计类中是Minimax可容许估计的充要条件.     

相依误差广义线性模型的M估计的Bahadur表示

考虑如下广义线性模型y_i=h(x~T_i,β)+e_i=1,2,…,n,其中e_i=G(…,ε_(i-1),ε_i),h是一个连续可导函数,ε_i是独立同分布的随机变量,并且它的期望为0,方差σ~2有限.本文给出了参数β的M估计,并且得到了该估计的Bahadur表示,该结论推广了线性模型的相关结论.应用M估计的Bahadur表示,得到了相依误差的线性回归模型,poisson模型,logistic模型和独立误差的广义线性模型等模型的渐近性质.     

线性等式约束下奇异线性模型参数的条件BLU估计

考虑带线性等式约束的奇异线性模型对任一条伯可估函数Ｃ’β，本文给出了它的所有条件ＢＬＵ估计，并建立了Ｃ‘（Ｘ’Ｘ）＋Ｘ‘ｙ为Ｃ’β的条件ＢＬＵ估计的一个充分条件。最后研究了带线性等式约束的多元线性模型参数阵的条件ＢＬＵ估计。     

一类线性模型下最优线性无偏估计的存在性

考虑包含如方差分量模型、似乎不相关回归方程模型、增长曲线模型和扩充的增长曲线模型等众多常见模型的一类较广泛的线性模型。对模型中误差向量的分布不作假定时,给出了在二次损失或矩阵损失下存在回归系数的线性可估函数的一致最小风险线性无偏估计的充分必要条件。     

一类线性模型中Bayes估计的优良性

本文研究了一类线性模型中参数的Bayes线性无偏估计的优良性.利用矩阵论的相关知识,分别在平衡损失准则和均方误差阵准则下,得到了Bayes线性无偏估计优于广义最小二乘估计的条件.     

参数空间被限制时有限总体的可容许估计

本文考虑参数空间被限制时有限总体的可容许估计问题,在期望均方误差准则下,获得了有限总体指标值的线性函数之线性估计在线性估计类中为可容许的充要条件.     

测量误差数据下线性模型的几乎无偏岭估计

文章讨论带测量误差的线性模型中参数估计的问题.当带测量误差的线性模型存在复共线的时候,通过几乎无偏估计的思想,提出了几乎无偏岭估计,并对估计的性质进行分析.通过研究发现几乎无偏岭估计不但能克服复共线性,同时有比较小的均方误差.     

Generalized Partially Linear Measurement Error Models

This article considers generalized partially linear models when the linear covariate is measured with additive error. We propose estimators of parameter and nonparametric function by using local linear regression, the SIMEX technique, and generalized estimating equation. The asymptotic normality of the estimators of the parameter, and bias and variance of the estimators of the nonparametric component are derived under appropriate assumptions. In addition, the generalization to clustered measurements is discussed. The approaches are used to the analysis of data from the Framingham Heart Study. A simulation experiment is conducted for an illustration.     

误差服从多元t分布的一类线性模型下参数估计的若干注记

研究一类线性模型下参数估计的若干问题．这类模型包含了多个因变量线性模型、增长曲线模型、扩充的增长曲线模型、似乎不相关回归方程组、方差分量模型等常用模型．在这类线性模型下,证明了当误差服从多元t分布时与误差服从多元正态分布时,具有相同的完全统计量和无偏估计,且在后一种情况下的充分统计量必为前一种情况下的充分统计量．对于带有多种协方差结构的前述几种模型,把在误差服从多元正态分布下,相应的协方差阵及有关参数的一致最小风险无偏(UMRU)估计存在性的结论推广到了相应的误差服从多元t分布情形．此外,对于误差服从多元t分布的这类统一的线性模型,给出了回归系数的线性可估函数的无偏估计的协方差阵的C-R下界．     

A three‐dimensional finite element model for the control of certain non‐linear bioreactors

This paper deals with the dynamics of non‐linear distributed parameter fixed‐bed bioreactors. The model consists of a pair of non‐linear partial differential (evolution) equations. The true spatially three‐dimensional situation is considered instead of the usual one‐dimensional approximation. This enables one to take into account the effects of flow profiles and the true location of the measurement transducer. The (output) evolution of the corresponding open‐loop control system is simulated. Furthermore, the associated closed‐loop system with respect to the relevant output function is considered. Especially, the asymptotic output tracking is found to be successful by applying the usual process based on the state feedback linearization. Copyright © 2000 John Wiley & Sons, Ltd.     

The superiorities of bayes linear unbiased estimator in multivariate linear models

In this article,the Bayes linear unbiased estimator (BALUE) of parameters is derived for the multivariate linear models.The superiorities of the BALUE over the least square estimator (LSE) is studied in terms of the mean square error matrix (MSEM) criterion and Bayesian Pitman closeness (PC) criterion.     

测量误差模型的自适应LASSO变量选择方法研究

本文研究测量误差模型的自适应LASSO(least absolute shrinkage and selection operator)变量选择和系数估计问题.首先分别给出协变量有测量误差时的线性模型和部分线性模型自适应LASSO参数估计量,在一些正则条件下研究估计量的渐近性质,并且证明选择合适的调整参数,自适应LASSO参数估计量具有oracle性质.其次讨论估计的实现算法及惩罚参数和光滑参数的选择问题.最后通过模拟和一个实际数据分析研究了自适应LASSO变量选择方法的表现,结果表明,变量选择和参数估计效果良好.     

IMPROVED ESTIMATES OF THE COVARIANCE MATRIX IN GENERAL LINEAR MIXED MODELS

In this article, the problem of estimating the covariance matrix in general linear mixed models is considered. Two new classes of estimators obtained by shrinking the eigenvalues towards the origin and the arithmetic mean, respectively, are proposed. It is shown that these new estimators dominate the unbiased estimator under the squared error loss function. Finally, some simulation results to compare the performance of the proposed estimators with that of the unbiased estimator are reported. The simulation results indicate that these new shrinkage estimators provide a substantial improvement in risk under most situations.     

Bayesian linear prediction in finite populations

In this paper, Bayesian linear prediction of the total of a finite population is considered in situations where the observation error variance is parameter dependent. Connections with least squares prediction (Royall (1976, J. Amer. Statist. Assoc., 71, 657–664)) in mixed linear models (Theil (1971, Principles of Econometrics, Wiley, New York)), are established. Extensions to the case of dynamic (state dependent) superpopulation models are also proposed.     

PLM中误差方差未知时的GLR

本文检验部分线性回归模型(PLM)中,误差的方差未知时,函数部分是否是线性函数,在备择假设下,先用局部多项式方法估计出函数部分,再估计参数部分.计算出了零假设下广义似然比(GLR)检验统计量的表达式,给出了它的渐近分布,并对结果进行了模拟.