多元线性模型带约束参数集的线性估计泛可容许性

文中给出了多元线性模型（犢，犡Θ，犞Σ）中回归系数的线性估计在线性估计类中是泛可容许的一些特征，其中损失函数取为（犇（犢）－犛Θ）′ （犇（犢）－犛Θ），参数Θ 和Σ 取值于约束集合犎犖＝｛（Θ，Σ）：Θ′犡′犖犡Θ≤Σ，犖≥０｝．     

多元随机效应模型中线性预测的泛容许性

研究了一般随机效应多元线性模型中未来观察值的线性预测的泛容许性,引入了线性可预测变量的泛容许预测的概念,并得到了齐次线性预测(非齐次线性预测)在齐次线性预测类(非齐次线性预测类)中是泛容许预测的充要条件．     

多元线性模型中回归系数的线性可容许估计

基于Zellner的平衡损失的思想,本文提出了矩阵形式的平衡损失函数,并在该损失函数下讨论了多元回归系数线性估计的可容许性.给出了六种不同形式的可容许定义,证明了这六种容许性在齐次和非齐次线性估计类中是一致的,且得到了其共同的可容许估计的充要条件.     

约束条件下增长曲线模型中回归系数线性估计的泛可容许性

该文讨论了增长曲线模型$Y=X_{1}BX_{2}+\epsilon$在约束条件$X_{2}'B'X_{1}'NX_{1}BX_{2}\leq\Sigma$下回归系数线性估计$DYF$的泛可容许性问题,在损失函数$(d(Y)-KBL)'(d(Y)-KBL)$下,给出了回归系数的线性估计是泛可容许性的充要条件,其结果推广了文献中已有的结论.     

多元线性模型中随机回归系数和参数的最优估计

本文研究了一般的随机效应多元线性模型中线性可估函数的最优线性无偏估计。特别地 ,考虑了一类特殊的估计 :Φ-线性估计 ,给出了 Φ-线性可估函数和最优 Φ—线性无偏估计的定义。得到了 Φ-线性可估函数的最优Φ—线性无偏估计 ,并证明了它在几乎处处意义下的唯一性     

带约束的回归系数的线性估计的可容许性

在本文中,我们针对带齐次线性等式约束的线性模型Y=Xβ+ε,ε～(0,σ~2V),Hβ=0,给出了回归系数的最佳线性无偏估计的较简单的表达式以及Sβ的估计LY(LY+α)在齐次线性估计类(线性估计类)中可容许的充要条件。     

多元线性模型回归系数的混合估计和Bayes估计

In this paper,the mixed estimations of regression coefficient in multivariate linear model is giyen on the condition of expanding sample data and their optimalities are considered.It is shown that GLSE is equivalent to the above mentioned mixed estimations.Furthermore,Bayes estimation in multivariate normal model,which is the same as the mixed estimations,is also improved.     

一般增长曲线模型回归系数线性估计的泛容许性

本文讨论一般的增长曲线模型；Ｘ＝ＡＢＣ＋ε，Ｅ（ε）＝０，Ｖａｒ（ε）＝σΣＶ，其中Ｘ和ε是ｐ×ｎ价随机阵，Ａ、Ｃ分别为ｐ×ｑ，ｋ×ｎ已知阵，Σ、Ｖ分别Ｐ、ｎ阶已知非负定阵，Ｂ和σ为未知参数．在损失函数（ｄ（Ｘ）－ＫＢＬ）＇（ｄ（Ｘ）－ＫＢＬ）下，我们给出了可估函数ＫＢＬ的线性估计的泛（Φ）容许性定义，得到了ＤＸＦ（ＤＸＦ＋Ｍ）在某些估计类中是ＫＢＬ的泛容许性估计的充要条件．     

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。     

带约束生长曲线模型线性估计的泛容许性

本文讨论带约束生长曲线模型中回归系数线性估计的泛容许性,给出了回归系数的线性估计在线性估计类中是泛容许估计的充要条件。     

带有约束的增长曲线模型中回归系数线性估计的可容许性与泛容许性(英文)

本文研究了参数受约束的增长曲线模型中多元回归系数线性估计的可容许性和泛容许性.利用线性估计类中的八种最优标准和圣函数,得到了在三个等价了类中线性估计可容许以及回归系数线性估计泛容许的充要条件.本文的结论推广了覃红等人的工作.     

增长曲线模型回归系数线性估计的泛容许性

本文讨论增长曲线模型回归系数的线性估计的容许性.我们给出了回归系数线性估计的泛容许性定义,并在某些线性估计类中得到了泛容许估计的充要条件.     

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．     

矩阵损失下一般Gauss-Markov模型线性预测的可容许性

本文研究了一般Gauss-Markov模型中线性可预测变量的线性预测的可容许性.在给出线性预测可容许性定义的基础上,通过构造一个特殊的常量矩阵D0,分别得到了齐次和非齐次线性预测类中可容许的充要条件.     

多元线性模型中的有偏估计

刘金山在1999年给出了多元线性模型参数分量βi和参数矩阵B的有偏估计β1=(X'X)-1YCi,i=1,…,m和B=(β1,β2,…,βm)以及βi的性质.本文从另一角度得到了同样的估计,证明了刘金山文中所给的两个检验是UMP检验,估计βi是βi的线性可容许估计,证明了B不是B的可容许估计,由此给出了两种改进估计.     

矩阵损失下增长曲线模型中的回归系数的线性Minimax可容许估计

本文在矩阵损失函数下，给出了多元回归系数的线性估计在线性估计类中是Ｍｉｎｉｍａｘ可容许估计的充要条件。     

错误指定多元线性回归模型的Bayes估计

本文在错误指定下给出了多元线性模型的最优线性 Bayes估计 ,在矩阵损失下讨论了其相对于最小二乘法估计的优良性 ,且获得 Bayes估计的容许性和极小极大性     

二次损失下随机回归系数和参数的所有可容许线性估计

首先列举本文使用的一些记号.设 A 和 B 都是矩阵,A≥0(A>0)表示 A 是非负定(正定)对称阵,A≥B(A>B)表示 A-B≥0(A-B>0);(?)(A)表示 A 的列空间;A~+表示 A 的 Moore-Penrose 广义逆;A~-表示“满足 AA~-A=A”品的 A 的广义逆.考虑一般的随机效应线性模型     

矩阵损失下回归系数的线性估计的可容许性的进一步讨论

§1.引言考虑线性模型Y=Xβ+ε,(1.1)此处 Y 是 n 维随机向量;X 为已知的 n×P 矩阵;n≥P;EY=Xβ,CovY=V;β,V 均为参数,(β,V)∈(?)=(?)~p×(?),(?)是元素为 n 阶非负定对称矩阵的一个集合.