共同均值矩阵的线性估计的泛容许性

本文给出了多元线性模型中共同均值矩阵可估函数的线性估计的泛容许性定义,并得到了共同均值矩阵可估函数的线性估计分别在齐次和非齐次线性估计类中的泛容许性特征。     

协变量区间删失时线性模型的参数估计

本文研究了当协变量为区间数据时的线性模型，通过构造区间数据变量的条件均值，得到了回归参数的估计，当协变量的分布已知时，证明了估计的无偏性与强相合性．时协变量的分布未知的情形也作了讨论．文中还作了若干模拟计算，从模拟的结果不难发现，利用本文提出的方法所获得的估计简便且具有较高的精度．     

增长曲线模型回归系数线性估计的可容许性

该文讨论增长曲线模型中回归系数线性估计的可容许性, 在矩阵损失(d(Y)-KBL)(d(Y)-KBL)' 下, 分别给出了回归系数的齐次与非齐次线性估计是可容许的充要条件, 推广了以往文献的相关结论.     

二次约束下多指标线性模型回归系数线性估计的可容许性

本文推广了Hoffmann[1]与Mathew[2]的结果，在二次损失下得到了二次约束下多指标线性模型中回归系数线性估计在线性估计类中可容许性的充要条件．     

线性模型和线性EV模型中的T-型回归估计和EM算法

本文对于线性函数关系EV模型定义了$t$\,-型回归估计, 并对于普通线性模型和线性函数关系EV模型给出了计算$t$\,-型回归估计的EM算法, 同时获得了估计的相合性\bd 模拟结果表明由EM算法获得的$t$\,-型回归估计的表现良好.     

NSD误差下线性模型LAD估计的线性表示

考虑了NSD误差下的线性模型并建立回归参数LAD估计的线性表示.这些结果将独立误差的情形推广和改进到NSD误差的情形.作为一个应用,获得了LAD估计量的收敛率.     

变系数线性结构关系EV模型的参数估计

利用加权正交回归最小二乘法给出了变系数一维线性结构关系EV模型中的参数 估计,证明了估计的弱相合性和强相合性.     

有重复观测时变系数线性结构关系EV模型的参数估计

利用重复观测数据和加权方法给出了有重复观测时变系数一维线性结构关系EV模型中的参数估计,证明了估计的弱相合性和强相合性．     

多维线性模型均值矩阵的线性Minimax估计

本研究多维线性模型中均值矩阵在不同损失函数下的线性Ｍｉｎｉｍａｘ估计,得到了具体的表达式。     

多维空间中变量含误差的直线模型

本文讨论了一种线性函数关系模型──多维空间中变量含误差的直线模型．利用一 些统计逼近定理及矩阵分析的结果,在关于真值及误差较弱的条件下证明了构造的参数估计 具有强相合性并且得到了ａ,ｓ收敛速度．在较强的条件下,还可得到估计量的渐近分布．     

非零截距线性和非线性回归模型的T-型稳健估计算法

首先给出非零截距线性模型T-型估计的模型与EM算法,其次给出非线性回归模型参数的T-型估计,利用泰勒级数对模型线性化,得到参数估计的迭代算法,最后用数值模拟实验验证了该算法的正确性和证实了T-型估计的稳健性.     

�������췽�������EVģ�͵�С�����Ƶ�Berry-Esseen��

Using wavelet smoothing and least-squares methods,we investigate a heteroscedastic partly linear errors-in-variables (EV)model with $\alpha$-mixing random errors. The wavelet estimators of the parametric parts and nonparametric parts are given, and Berry-Esseen bounds of wavelet estimators are obtained under general conditions.     

线性模型中基于SVD的一个新的有偏估计类

§1 .　IntroductionTheproblemofill_conditioninganditsstatisticalconsequencesonalinearregressionmodelarewell_knowninstatistics(Vinod&Ullah 1981;Belsley 1991) .Itis,forinstance ,knownthatoneofthemajorconsequencesofill_conditioningontheleastsquares(LS)regressionesti matoristhattheestimatorproduceslargesamplingvariance,whichinturnmightinappropri atelyleadtoexclusionofotherwisesignificantcoefficientfromthemodel,andthesignsofcoef ficientscanbecontrarytointuitionetc..Tocircumventthisproblem ,manybi…     

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.     

方差分量的改进估计

本文研究一类方差分量模型中方差分量的改进估计问题,对单向分类随机模型的对应于随机效应的方差分量,我们研究了一个不变估计类,它包含了一些常用重要估计。证明了在均方误差准则下,在该估计类中不存在一致最优不变估计,且方差分析估计是不容许估计。在一个重要子估计类中,找到了一致最优估计。对于较一般的含两个方差分量的混合模型,我们研究了一个非负估计类的性质,给出了它们的分布,并建立了它们优于方差分析估计的充分     

Minimax estimator of regression coefficient in normal distribution under balanced loss function

This article investigates linear minimax estimators of regression coefficient in a linear model with an assumption that the underlying distribution is a normal one with a nonnegative definite covariance matrix under a balanced loss function. Some linear minimax estimators of regression coefficient in the class of all estimators are obtained. The result shows that the linear minimax estimators are unique under some conditions.     

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.     

Multiple imputation and other resampling schemes for imputing missing observations

The problem of imputing missing observations under the linear regression model is considered. It is assumed that observations are missing at random and all the observations on the auxiliary or independent variables are available. Estimates of the regression parameters based on singly and multiply imputed values are given. Jackknife as well as bootstrap estimates of the variance of the singly imputed estimator of the regression parameters are given. These estimators are shown to be consistent estimators. The asymptotic distributions of the imputed estimators are also given to obtain interval estimates of the parameters of interest. These interval estimates are then compared with the interval estimates obtained from multiple imputation. It is shown that singly imputed estimators perform at least as good as multiply imputed estimators. A new nonparametric multiply imputed estimator is proposed and shown to perform as good as a multiply imputed estimator under normality. The singly imputed estimator, however, still remains at least as good as a multiply imputed estimator.     

On the equivalence of estimations under a general linear model and its transformed models

Some necessary and sufficient conditions are given for two equalities of ordinary least-squares estimators and best linear unbiased estimators of an estimable vector of parametric functions under a general linear model and its transformed linear model to hold     

矩阵损失下多维 POISSON 均值的线性估计的可容许性

设 X_1…,X_n 相互独立,X_i 遵从参数为λ_i 的 Poisson 分布.L.D.Brown 和 R.H.Farrell 在[1]中阐述了λ=(λ_1,…,λ_n)′的线性估计的实际意义,并在二次损失函数下给出了λ的线性估计是可容许的充要条件.本文在[2]和[3]等使用的矩阵损失函数(d-λ)(d-λ)′下讨论λ的线性估计,在线性估计类中的可容许性.注意到λ的线性估计的风险函数只涉及 X=(X_1,…,X_n)′