岭参数又一确定方法的推广

对确定岭参数的方法进行了推广,给出了一种新的逐步改进岭参数κ的方法,这种方法能够通过调整岭参数来进一步减少岭估计的均方误差,并改进了Hoerl和Kennard的结果。     

聚集数据线性模型参数的改进广义岭估计的相对效率

对于聚集数据的线性模型,给出了参数的改进广义岭估计,并提出了改进广义岭估计的两种相对效率,得到了这两种相对效率的上界.     

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.     

混合系数线性模型的几乎无偏岭估计

本文研究了连续测量数据情况下的混合系数线性模型的参数估计问题.利用岭估计方法得到了该模型的几乎无偏岭估计,并证明了在均方误差意义下,几乎无偏岭估计优于岭估计.最后讨论了有偏参数的选取问题.     

方差分量模型参数的广义岭估计

本文先将方差分量模型的方差分量化为派生模型的均值参数，分别作出其相对于ＬＳＥ和ＢＬＵＥ的广义岭估计，再根据二步估计法作出原模型均值参数的广义二乘估计及其进行一步的岭估计。证明了这样不仅使方差分量估计的均方误差减少，而且使原模型均值参数估计的均方误差也不均加和地一步减少。本文还找到了岭参数仅仅依据于样本的估计，这样既将岭估计方法推进至方差分量模型，也改进了方差分量模型参数的离差均值对应方法。     

对Stein的SLS估计的改进研究

提出一类新的估计——c-(K,S)型估计,证明了在均方误差意义下运用泛岭回归技术可以改进S te in的SLS估计,同时给出了参数的最优值满足的条件.     

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.     

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.     

基于刀切岭估计的线性回归参数的最小体积置信集

本文基于岭估计研究了正态线性回归模型中未知参数的最小体积置信集问题.利用Jackknife方法,获得了在不同情况下未知参数的最小体积置信集.最后,与经典置信集进行比较,在最小体积意义下我们所得到的置信集是最佳的.     

半参数回归模型的一类压缩估计

研究了半参数回归模型的参数估计问题,利用压缩估计方法给出了模型的一类有偏估计,并与最小二乘估计、岭估计、几乎无偏岭估计进行了比较.在均方误差意义下,新的压缩估计明显优于最小二乘估计.最后讨论了有偏参数选取的问题.     

半参数回归模型的几乎无偏岭估计

提出了半参数回归模型的几乎无偏岭估计,并与岭估计进行了比较,在均方误差意义下,几乎无偏岭估计优于岭估计. 然后讨论了有偏参数的选取问题. 最后,用模拟算例和实际应用说明了几乎无偏岭估计的有效性和可行性.     

A Class of Linear Biased Estimators of Regression ParameterMatrix in the Growth Curve Model

ＡＣｌａｓｓｏｆＬｉｎｅａｒＢｉａｓｅｄＥｓｔｉｍａｔｏｒｓｏｆＲｅｇｒｅｓｓｉｏｎＰａｒａｍｅｔｅｒＭａｔｒｉｘｉｎｔｈｅＧｒｏｗｔｈＣｕｒｖｅＭｏｄｅｌ￥ＧｕｉＱｉｎｇｍｉｎｇ（ＺｈｅｎｇｚｈｏｕＩｎｓｔｉｔｕｔｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａ...     

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.     

A stochastic restricted ridge regression estimator

Groß [J. Groß, Restricted ridge estimation, Statistics & Probability Letters 65 (2003) 57–64] proposed a restricted ridge regression estimator when exact restrictions are assumed to hold. When there are stochastic linear restrictions on the parameter vector, we introduce a new estimator by combining ideas underlying the mixed and the ridge regression estimators under the assumption that the errors are not independent and identically distributed. Apart from [J. Groß, Restricted ridge estimation, Statistics & Probability Letters 65 (2003) 57–64], we call this new estimator as the stochastic restricted ridge regression (SRRR) estimator. The performance of the SRRR estimator over the mixed estimator in respect of the variance and the mean square error matrices is examined. We also illustrate our findings with a numerical example. The shrinkage generalized least squares (GLS) and the stochastic restricted shrinkage GLS estimators are proposed.     

多元协方差阵扰动模型岭估计的影响分析

本文研究了多元线性同归模型岭估计的影响分析问题.利用最小二乘估计方法,获得了多元协方差阵扰动模型与原模型参数阵之间的岭估计的一些关系式,给出了度量影响大小的基于岭估计的广义Cook距离.     

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.     

带线性约束的回归模型参数估计的新研究

针对一般带约束的最小二乘估计(ORLSE)在参数估计中处理复共线性的不足,引入随机线性约束,提出了约束k-d估计方法。在均方误差(MSE)下,讨论了它的性质,得到了四个主要结果,与带约束的最小二乘估计ORLSE、约束岭估计(RRE)和约束型Liu估计比较,得出更好的结论。     

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．     

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.