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。     

相依非线性回归系统中的附加信息Bayes拟似然

对多个相依统计模型的研究,现有成果主要集中在相依线性回归系统.本文则首次提出多个相依非线性回归系统中的附加信息Bayes拟似然,给出误差相关信息和先验信息在拟似然中的迭加方法,在较弱的条件下得到附加信息Bayes拟似然的一些性质,在Bayes风险准则下。讨论了其估计函数和参数估计的最优性,证明了附加信息Bayes拟似然的渐近 Bayes风险随着相依信息的增力。而逐步减少.     

附加信息与参数估计

<正> 参数估计是根据样本信息对总体未知参数作推断的一个基本形式,然而在理论上或应用上,人们往往对未知参数还具有一定量的附加信息,如果能充分利用这些信息,则可得到具有较好性质的估计量.在Bayes估计理论中,附加信息被概括在先验分布中,通过Bayes公式把先验分布中所蕴含的附加信息迭加在样本信息即似然函数之中,产生了后验分布。因此后     

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.     

NA样本下含附加信息时M-泛函的经验似然推断

本文研究NA样本下不含附加信息和含附加信息时M-泛函的经验似然推断,将分块技术应用到经验似然方法中,证明M-泛函的对数经验似然比统计量的渐近分布为卡方分布,由此构造NA样本下不含附加信息和含附加信息时M-泛函的经验似然置信区间.同时,对一类M-泛函的检验问题,证明含附加信息比不含附加信息时有更高的功效,并给出数值模拟结果.     

一类正态线性模型中参数的一致最小风险同变估计的存在性

研究了一类正态线性模型参数的一致最小风险同变(UMRE)估计的存在性. 这类模型包含了正态方差分量模型、增长曲线模型、 扩充的增长曲线模型以及似乎不相关回归方程组等. 在这类模型、仿射变换群、二次损失或矩阵损失下, 分别导出了回归系数的线性可估函数、协方差阵V和(trV)α(α>0已知)的UMRE估计存在的充分必要条件. 利用这些结果可导出文献中有关(扩充)增长曲线模型和似乎不相关回归方程组中估计回归系数的结果,并把协方差阵V和trV的UMRE估计不存在的充分条件发展成充分必要条件. 此外, 导出了方差分量模型中参数的UMRE估计存在的充分必要条件.     

不等方差正态母体判别的附加信息检验

该文导出了不等方差正态母体判别模型中附加信息检验的似然比统计量，并给出了其分布和近似分布．     

Bayes区间估计的近似算法

§1.引言 Bayes分析无论在理论上还是在应用中现在都已是个很重要的方法.由于它可以综合历史的先验信息和当前的样本信息来作统计推断,因而可以比较有效和合理的解决一些问题.使用Bayes分析的困难在于先验分布的确定和后验分布的计算.对于先验分布的选取人们作了大量的研究,至今已有共轭先验、无信息先验、最大熵先验,用主观概率     

回归系数的混合估计与最小二乘估计的一个新的相对效率

本文对具有附加信息的线性回归模型中的混合估计与最小二乘估计给出了一种新的相对效率,研究了新的相对效率与其它几种相对效率的关系,得出了新的相对效率的上、下界.     

分块奇异线性模型及其导出的奇异线性模型间的最小范数二次无偏估计等价性研究

本文考虑一般线性模型A=(y,X1β1 X2β2,σ^2V)及其导出线性模型，其中V是已知的非负定矩阵，X=(X1：X2)是已知的设计矩阵，给出了线性模型A及其导出线性模型间最小范数二次无偏估计间差的表达式，更进一步，建立了线性模型A及其导出线性模型间最小范数二次无偏估计相等的充分必要条件。     

基于平衡样本的校准估计研究--以规模以下工业企业测算为例

为解决规模以下工业企业调查中存在的样本代表性不足的问题,提出基于平衡样本的校准估计方法,并得出相应的估计量和估计量方差。该方法在抽样设计阶段采用了平衡抽样设计,在估计阶段采用了校准估计方法,较大限度地使用了辅助信息;通过数据分析得出基于平衡样本的校准估计方法要优于基于平衡抽样的HT估计方法。同时,为满足平衡变量间线性无关的假定,提出使用主成分分析、切片逆回归和切片平均方差估计三种方法对相关的平衡变量进行处理的思路。该方法对我国规模以下工业企业调查的完善具有理论与实践的双重意义,可适当的推广至我国政府统计的其他调查中。     

增加试验数据对岭估计的均方误差的影响

在线性模型中,对于回归系数的岭估计和广义岭估计,本文给出了选择岭参数的条件,在此条件下,岭估计和广义岭估计不仅能改善LS估计,而且增加试验数据时,它们的均方误差都会减少。同时,本文将增加试验数据换成增加附加信息,从而讨论了附加信息对混合岭估计和混合广义岭估计的影响问题。     

判别分析中变量的选择—附加信息检验法

本文借用Ｓｈａｎｎｏｎ熵的概念给出了判别模型中附加信息检验原假设的解析形式，在母体服从等方差正态分布的情形，导出了检验的似然比统计量，在母体具有离散指标，服从多项分布的情形，导出了检验的似然比统计量，并给出其极限分布。     

聚类抽样情形下基于广义线性模型的风险比估计

Liu等人在聚类抽样的情形下基于贝塔二项分布模型讨论了风险比的区间估计问题.本文以他们的研究为背景,建立了一类聚类抽样样本的广义线性模型,并采用拟似然方法导出相应的广义估计方程,从而获得风险比的直接估计.这种方法不需要假定分布的具体形式,因而比Liu等人的方法具有更好的适用性.最后在一定正则条件下证明了估计的相合性和渐近正态性质.     

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.     

线性回归模型的Bayes统计推断

Bayes方法虽融合了样本信息和先验信息，但利用的先验信息都是有历史经验和专家估计所得，因此可靠度不高。该文研究了正态线性回归模型：Y=Xβ＋e，e—N（0，σ^2。L），其中σ^2已知，β为未知参数向量，对传统的Bayes方法进行了改进，即把Bayes方法中的后验信息作为改进Bayes的无验信息并融合样本信息进行统计推断，在二次损失函数下得到了β的改进的Bayes估计。由于改进的Bayes方法的先验信息中有样本信息，因此其准确度比传统的Bayes方法准确度更高。     

具有AR(1)误差的均值漂移模型的Score检验和似然比检验

讨论了具有AR(1)误差的线性均值漂移模型,研究了自相关性的检验问题,导出了关于误差相关性的Score检验统计量和似然比检验统计量,并把它推广到误差项为AR(1)非线性均值漂移模型.本文还给出了一个数值例子说明检验方法的实用性.     

非参数空间滞后模型的广义矩估计北大核心CSCD

放松了参数空间滞后模型中自变量的影响为已知的线性或非线性形式假设,考虑一类非内生自变量为随机变量的非参数空间滞后模型,构建了该模型的广义矩估计法,导出了其估计量的渐近性质,用Monte Carlo模拟方法考察了估计量的小样本表现.此外还将所提出的估计方法应用于估算我国各省市全要素生产率增长率.     

图形技术分析的统计刻画

本文在Lo等(2000)研究的基础上,给出了基于局部极值点刻画的4种技术形态的数学定义,并基于局部多项式估计方法给出了这些形态的自动识别算法。应用所提出的算法对我国沪市A股进行了图形技术分析的实证研究。研究结果表明本文定义的技术形态包含一般统计意义上显著的附加信息,从而证明了图形技术分析的有效性。     

多指标可加模型及在医疗费用预测中的应用

对医疗费用的建模分析与合理预测是医疗保险费用厘定的基础与根本.医疗费用中的高维附加信息在长期预测中具有重要作用.然而,传统的统计建模方法不适用于处理高维纵向数据下的医疗费用.本文提出部分线性多指标可加模型,对具有高维特征的纵向医疗费用数据进行拟合与预测,并且使用两种不同的降维估计方法进行模型估计,并将该模型应用于一组含...