生长曲线模型中参数估计的两种新的相对效率

对生长曲线模型中参数估计的相对效率,本文提出了两种新的定义,并给出了新的相对效率的下界及讨论了它们之间的关系。     

增长曲线模型参数估计的加权相对效率

对增长曲线模型中参数估计的相对效率，本文提出了一种新的定义－加权相对效率，并研究了它的性质，以及在文献「４」中的两种相对效率的关系。     

生长曲线模型中LSE的一个新的相对效率

对于一般生长曲线模型Yq×n＝Aq×nBm×kCk×n＋e，E（e）＝0，本文定义了相对于b·的一个新的相对效率，并给出了它的一个上界．     

线性模型参数估计的一种新的相对效率

本文对线性模型的最小二乘估计（ＬＳＥ）与最佳线性无偏估计（ＢＬＵＥ）提出了一种新的相对效率并给出了新的相对效率的上、下界,最后还讨论了新的相对效率与已有的几种相对效率的关系。     

增长曲线模型中LSE的相对效率

考察一般的增长曲线模型Ｙ＝ＸＢＺ＋其中Ｖ＞０,０．当参数矩阵Ｂ可估时,文中定义了Ｂ的ＬＳＥ相对于它的ＢＬＵＥ的六种相对效率,并给出了它们的下界．对于一般情形,定义了ＸＢＺ的ＬＳＥ相对于它的ＢＬＵＥ的两种相对效率,给出了它们的下界．     

线性模型中参数估计的相对效率

本文对线性模型中的最小二乘估计（LSE）与BLUE给出了一种新的相对效率（4），并研究了新的相对效率（4）与其它两种相对效率（2）与（3）的关系．最后在广义G－M模型下还给出了新的相对效率的下界．     

聚集数据线性模型参数估计的相对效率与广义相关系数

对于聚集数据的线性模型,本文给出了Peter—Karsten估计相对于最佳线性无偏估计的一个相对效率,得到了相对效率的下界,讨论了该相对效率与广义相关系数的关系.     

奇异线性模型参数估计的相对效率

提出了奇异线性模型中参数β的最佳线性无偏估计(BLUE)相对于最小二乘估计(LSE)的一种新的相对效率,并给出了该相对效率的下界,最后讨论了该相对效率与广义相关系数的关系.     

聚集数据的Gauss-Markoff模型中参数估计的相对效率

文献［１］提出了聚集数据的Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型中未知参数的两种估计。本文又提出了关于最小二乘估计的三种估计新的相对效率，并研究了它们的性质以及与文献［２］讨论过的另一种相对效率的关系。     

广义G-M模型参数估计的相对效率

本文提出了广义Ｇ－Ｍ模型中参数β的ＢＬＵＥβ^*和ＬＳ估计β的一种新的相对效率,对其与其他两种相对效率的关系及其下界进行了研究,并讨论了它与广义相关系数的关系．     

广义G-M模型参数估计的一种相对效率

对于广义G—M模型，如果最小二乘估计（LSE）与最佳线性无偏估计（BLUE）相等，就可以用LSE代替BLUE反之，用LSE代替BLUE就要蒙受一些损失．有时，这种损失可能是很大的，因而研究这种损失的大小就显得颇为重要．本文提出了一种新的相对效率，并给出了该相对效率的上下界，最后讨论了该相对效率与广义相关系数的关系．     

生长曲线模型中二次估计的非负最优性

考虑生长曲线模型Ｙ＝Ｘ１ＢＸ２＇＋ε，Ｅε＝０。设ε＝（εβ．．．εｎ）＇，ε＝（ε＇．．．εｎ＇）＇．Ｅεε＇＝Ｉ为未知协差阵，本文讨论了ｔｒ（ＣΣ）（Ｃ＜０）的一致最小方差非负二次无偏估计（简称为最优非负估计）问题，给出了一般二次估计是ｔｒ的最优非负估计的充要条件，从而得到ｔｒ的最优非负估计存在的充要条件，以及ｔｒ是ｔｒ的最优非负估计的充要条件。     

生长曲线模型的条件BLU估计

研究了线性等式约束下一般生长曲线模型，得到了条件线性可做函数的唯一最优线性无偏估计。     

生长曲线模型的协变量选择与参数估计

本文研究了生长曲线模型的Ｐｏｔｔｈｏｆｆ－Ｒｏｙ变换，给出了这种变换在矩阵范数最小规则下的最佳选择．进一步本文给出了利用协变量来改进Ｐｏｔｔｈｏｆｆ－Ｒｏｙ变换的途径并研究了协变量的选择及对参数估计的影响．     

增长曲线模型中最小二乘估计的几种相对效率

对于一般的增长曲线模型Yn×m=Xn×pBp×qZq×m＋ε,ε~（0,δV∑）本文定义了B的最小二乘估计（相对于B的最佳线性无偏估计）的四种相对效率，并得到了它们的下界．     

增长曲线模型中参数估计的一个注记

对于具有序列协方差结构的正态增长曲线模型，证明了在一定条件下不存在方差的一致最小无偏估计。给出了在任意凸损失下存在回归系数矩阵的任何线性可估函数的一致最小风险无偏估计的另一个充要条件。     

生长曲线模型中协差阵的最优非负估计

§1.模型与问题 考虑如下的生长曲线模型其中X_1,X_2,u≠0分别为n×k,p×l,n×s阶已知矩阵;B为k×l阶回归系数矩阵。Y=(y(1),…,y(n))′与(?)=(ε(1),…,ε(s))′分别为n×p阶观测资料矩阵及s×p阶随机误差矩阵。将Y、B及(?)依行拉直得     

权回归模型中最小二乘估计的相对效率

对于线性加权回归模型，本文得到了未知参数的最小二乘估计相对于最佳线性无偏估计的四种相对效率的下界，并建立了相对效率与广义相关系数的联系。     

线性模型中最小二乘估计的一种新的相对效率

对于线性模型未知参数最小二乘估计，本文提出了一种新的相对效率，并研究了它的性质，以及与Bloonfield-Watson等，讨论过的另一种相对效率的关系。