半相依回归系统中系数的协方差改进估计与GM估计的等价性

从矩阵的Ｋｒｏｎｅｃｋｅｒ乘积和拉直理论出发，讨论了相依回归系统中协方差改进估计，给出了协方差改进估计和ＧＭ估计的一个等价条件。     

线性回归系统两步协方差改进估计的优良性

对于ｍ个相依回归方程组成的线性回归系统。本文研究了两步协方差改进估计在均方误差阵意义下的优良性，即在随机误差服从正态分布的假设下，当样本量充分大时，两步协方差改进估计与协方差改进估计一样好。     

Gauss—Markoff估计的协方差改进形式及其在SUR模型中的应用

本文采用并推广Rao[1]的协方差改进原理，证明了线性模型（1．1）的Gauaa－Markoff估计（1．2）具有协方差改进形式＝（X′X）－1X′Y－（X′X）－1X′VN［NVN］＋NY，其中N＝I－X（X′X）－1X′．这一结果用于SUR系统yi＝Xiβi＋εi（i＝1，2，…，m），容易得到Zellner两步估计的有限样本性质．本文得到了一类系统的有限样本方差结果，从而完善了一些已有结果．     

协方差改进估计与相依混合效应回归方程

本文首先讨论了广义线性模型Ｙ＝Ｘβ＋ε（ε～（Ｏ，Ｖ））的系数β的最优线性无偏估计是用Ｔ２＝ＸＹ作为伴随变量对最小二乘估计Ｔ１＝（ＸＸ）－１Ｘ１Ｙ进行改进而得到的协方差改进估计．并把所得结果用于经济领域中的线性相依回归方程系统（ＳｅｅｍｉｎｇｌｙＵｎｒｅｌａｔｅｄＲｅｇｒｅｓｓｉｏｎＥｑａｕｔｉｏｎｓＳｙｓｔｅｍ）．然后关于一类线性相依混合效应回归方程系统，提出了一种优化估计方法。     

相依回归系统一种协方差改进估计之协方差阵的无偏估计

考虑相依回归方程系统ｙｉ＝Ｘｉβｉ＋εｉ（ｉ＝１，２），Ｅ（εｉ）＝０，Ｃｏｖ（εｉ，εｊ）＝σｉｊＩｎ。记βｉ为βｉ的协方差改进估计＾［１］。σｉｊ未知时，记βｉ为用非限定估计σｉｊ代替βｉ中的σｉｊ得到的两步估计，并记βｉ为用限定估计σｉｊ代替βｉ中的σｉｊ得到的两步估计，这两种两步估计的协方差中含有未知参数σｉｊ代替βｉ中的σｉｊ得到的两步估计，这两种两步估计的协方差中含有未知参数σｉｊ。本     

一般半相依回归系统的协方差改进估计

本文讨论了由两个等阶的回归方程组成的半相依系统,运用协方差改进法获得了参数的一个迭代估计序列,并证明了它的协方差阵已知时,处处收敛到最佳线性无偏估计,同时其协方差阵在矩阵偏序意义下单调性,并且给出了当迭代次数亦趋于无穷时,保证其具有相合性的一个条件。     

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.     

相依回归系统参数的一种估计

对于一类相依回归系统（１，１），本文对回归参数β１提出一种新的改进估计，并研究了这种估计及其相应的两步估计的优良性质。     

协方差矩阵扰动生长曲线模型岭估计的影响分析

本文研究了协方差矩阵发生扰动时，生长曲线模型岭估计的影响分析，建立了生长曲线模型、协方差矩阵扰动生长曲线模型岭估计之间的关系式。讨论了协方差扰动和数据删除对岭估计的影响，导出了度量影响大小的基于岭估计的广义Cook距离Di^*（k）最后，用实例说明了用Di^*(k）度量生长曲线模型的影响点是有效的。     

协方差改进估计的优良性：计算机模拟结果

对于相依线性回归方程组成的系统.本文对它的回归系数的协方差改进估计(CIE)及其两步估计(TCIE)与最小二乘估计(LSE)进行了计算机模拟比较.模拟结果揭示了这种改进估计的估计的统计优良性.     

分块半相依线性回归模型的参数估计

考虑一般的分块半相依线性回归（SUR）模型及其相应的简约模型，给出简约模型下未知回归系数及其可估函数的协方差改进估计仍是分块SUR模型下相应参数的协方差改进估计的一个充要条件．     

半相依回归系统参数的广义压缩估计

本文对二个相依回归方程组成的线性回归系统(1,1),在设计矩阵呈病态时,提出了—类改进估计广义压缩估计类,讨论了这类估计的可容许性和均方误差下的比较。     

协方差改进法与半相依回归的参数估计

对于由两个误差项相关的线性回归方程组成的系统,本文应用协方差改进法获得了参数的一个迭代估计序列。我们证明了当协方差阵已知时,该估计序列处处收敛到最佳线性无偏估计,且它们的协方差阵在矩阵偏序意义下单调下降收敛到最佳线性无偏估计的协方差阵,该估计序列具有Pitman准则下的优良性。当协方差阵未知时,我们证明了用协方差阵的无限制估计所产生的两步估计具有无偏性、相合性和渐近正态性。在一定意义下,本文的估计优于文献中已有的一些估计。本文的结果也显示了协方差改进方法的有效性。     

简约SUR模型参数的协方差改进估计

考虑了SUR模型及其两个简约模型,给出简约模型下未知回归系数及其可估函数的协方差改进估计,并证明了在一定条件下该估计仍然是相应参数在原模型下的协方差改进估计.     

两个半相依模型回归系数的改进估计

对于两个半相依回归系统的未知回归系数,本文首先借鉴文献中给出的两步协方差改进估计的方法给出两种两步协方差改进估计序列,并给出其与两步估计等价的条件和均方误差意义下的优良性; 其次,我们对文献中给出的一种两步估计作简单改进,使得改进后的估计在更大的参数空间内优于最小二乘估计. 再次,本文另辟蹊径, 构造了一种新的估计,同样地,此估计也具有更好的小样本性质.本文最后一节讨论了Pitman准则下两步估计的优良性.     

线性回归系统回归系数的一种新估计

对由m个相依线性回归方程组成的线性回归系统,本文把模型蕴含的信息分为样本信息和附加信息,提出了利用逐次迭加附加信息导出未知参数估计的一种新方法。具体地,解决了如下三个问题:(1)给出了概括附加信息的统计量;(2)找到了把附加信息迭加到样本信息的方法;(3)证明了用这种方法所导出的新估计的一些重要统计性质。     

多元t分布下相依回归模型参数的两步估计

本文把文献中关于正态分布下相依回归模型参数Zellner估计的有限样本均方误差结果和效率结果以及两步协方差改进估计的一般均方误差结果推广到多元t分布情况,在该分布下两种估计的统计优效性质均不变.     

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．     

两个半相依回归方程中的Bayes和经验Bayes迭代估计

对由两个不相关的回归方程组成的系统(y1为m维向量,y2为n维向量,m≠n),运用协方差改进技巧,提出回归系数的参数型Bayes和经验Bayes迭代估计序列.证明了Bayes迭代估计的协方差矩阵序列的单调收敛性和Bayes迭代估计序列的一致性.当误差的协方差矩阵未知时,在均方误差准则(MSE)下,证明了经验Bayes迭代估计相对于单个方程的Bayes估计的优越性.这些结果进一步表明了协方差改进方法的有效性.     

协方差阵估计的比较

本文在一般线性回归模型误差异方差情况下，通过计算机模拟对回归系数最小二乘估计的协方差矩阵的估计进行了比较。结果表明，当样本大小大于50时，回归系数的最小二乘估计具有较高的估计精度；其协方差矩阵的五种估计以普通最小二乘估计的协方差矩阵为最优。