线性回归模型的广义刀切最小二乘估计

在误差为相依的情况下,讨论了线性回归模型的刀切最小二乘估计与广义刀切最小二乘估计。在均方误差意义上,广义刀切最小二乘估计优于刀切最小二乘估计,并利用算例进行了验证。     

非齐次等式约束下奇异型线性回归模型的广义条件岭估计

文章对线性回归模型参数有偏估计做进一步研究,提出了在非齐次等式约束下奇异型线性回归模型参数的广义条件岭估计,并给出它的一些性质,而且证明了在一定条件下,在均方误差阵和广义均方误差意义下,广义条件岭估计都优于约束最小二乘估计.最后,通过实际数据进行实证分析,得到了取不同岭参数矩阵时对应的广义条件岭估计及其MSE,验证了广义条件岭估计优于约束最小二乘估计的充分条件的正确性.     

一般线性模型中参数的平衡广义LS估计

基于平衡损失的思想,对一般线性模型提出了一种全面地度量估计优良性的标准,给出了在此标准下回归系数的平衡广义最小二乘估计,并讨论了其优良性.得到了该估计为无偏估计的充分必要条件,以及在一定条件下,在均方误差损失的准则下平衡广义最小二乘估计优于最佳线性无偏估计的充分必要条件.     

广义岭型主成分估计的优良性质

讨论线性回归模型的一种有偏估计广义岭型主成分估计,给出广义岭型主成分估计一些性质,证明在MSE和GMSE准则下是等价的并且优于最小二乘估计,在Pitman准则下优于最小二乘估计和岭型估计.进一步得到了在均方误差意义下广义岭型主成分估计是可容许估计的结论.     

线性模型参数一类新的s-K估计

基于线性回归模型参数向量的先验信息提出一类新的s-K估计——改进s-K估计,并在均方误差阵意义下,得到了这类估计分别优于最小二乘估计、广义岭估计、Stein估计及s-K估计的充要条件.     

半相依回归模型两步估计的均方误差占优性

一般得到了两方程相依回归模型的任一线性估计在均方误差准则下优于最小二乘估计的充要条件，据此提出一种新的广义非限定两步估计类（非线性），推导得到了这种两步估计的精确均方误差结果，研究了它优于最小二乘估计，甚至优于Zellner估计的统计性质。     

部分线性变系数模型的Liu估计

研究了部分线性变系数模型中参数分量的有偏估计问题.基于Profile最小二乘方法和Liu估计法构造了参数分量的Profile-Liu估计和剖面最小二乘广义Liu估计,并在一定的条件下,证明了Profile-Liu估计优于Profile最小二乘估计,剖面最小二乘广义Liu估计优于Profile-Liu估计.     

广义最小二乘估计的稳健性

讨论了协方差阵未知的椭球等高线性模型中的稳健性问题. 证明当协方差阵在一定范围内变动时, 广义最小二乘估计在一大类损失函数下都是风险最小的估计; 广义最小二乘估计关于协方差阵和损失函数 同时具有稳健性.     

PC准则下生长曲线模型回归参数阵广义岭估计的优良性

一般而言 ,PC准则是用来比较向量参数两个估计优劣的一种准则。本文将它推广应用于生长曲线模型回归参数阵的最小二乘估计和广义岭估计优劣性的比较。给出了广义岭估计在PC准则下优于最小二乘估计的条件     

线性模型参数一类新的s-K估计

基于线性回归模型参数向量的先验信息提出一类新的s-K估计--改进s-K估计, 并在均方误差阵意义下, 得到了这类估计分别优于最小二乘估计、 广义岭估计、 Stein估计及s-K估计的充要条件.     

聚集数据线性模型参数聚集Liu估计的相对效率

 当线性模型中的变量间存在复共线性时,常用有偏估计代替无偏估计。其中广义岭估计是研究较多的一种有偏估计。很多实际问题只能观测到聚集数据。本文给出了聚集数据线性模型聚集Liu估计的定义,提出了聚集Liu估计相对于最小二乘估计的两种相对效率,并得到这两种相对效率的上界;给出了聚集Liu估计相对于Peter-Karsten估计的2种相对效率及其上界。本文提出的聚集Liu估计,既能保证估计参数的稳定性,又能保证估计参数的近似无偏性,从这个意义上说,该估计在某种程度上优于聚集广义岭估计。     

最小二乘广义逆求解方法研究及应用

广义线性系统是自动控制理论的一个重要组成部分,在研究广义线性系统的诸多问题中常常需要计算系统状态矩阵的广义逆,因而广义逆矩阵的求解方法就显得格外重要。文中给出了矩阵最小二乘广义逆的2种求解方法,分别证明了2种方法的正确性,最后举出广义线性控制系统的实际算例。通过用这2种方法求解系统状态矩阵的最小二乘广义逆,验证了所给方法的有效性和可行性,同时方法简单易行,适合计算机编程计算。     

广义不定最小二乘问题的扰动分析

通过定义一种新的加权广义逆,研究不定最小二乘问题和等式约束不定最小二乘问题。应用矩阵的双曲QR分解, 得到这两个问题的解的表达形式,并且推出了关于这两个问题的解的扰动界.     

事件空间中Birkhoff系统的两类广义梯度表示

研究事件空间中Birkhoff 系统的广义斜梯度系统和具有对称负定矩阵的广义梯度系统表示. 首先，给出了两类广义梯度系统的定义和微分方程，讨论了两类梯度系统与动力学系统稳定性的关系. 其次，给出了事件空间中Birkhoff 系统成为两类广义梯度系统的条件，最后，利用广义梯度的性质来研究事件空间中Birkhoff 系统解的稳定性问题. 算例表明在事件空间中对Birkhoff 系统利用梯度化方法研究稳定性问题的有效性.     

在光纤传输过程中的广义RKL方程新的孤波解(英文)

广义的RKL方程能够较好表述光子在光纤传输过程中一般特征,作者利用辅助方程法并借助计算机辅助程序构建更多的RKL方程一般精确解,结果发现这个方程的一些新孤波解.另外此方法也可用来研究其他非线性发展方程并获取新的孤波解.     

线性流形上广义次对称矩阵反问题的最小二乘解

讨论了线性流形上广义次对称矩阵反问题的最小二乘解及其逼近问题。利用矩阵的奇异值分解和矩阵分块方法，得到了最小二乘解的一般表达式。给出了线性流形上矩阵反问题的可解的充分必要条件。而且就相应的逼近问题，利用Frobenius范数的正交不变性和闭凸维上的逼近理论，得到了最佳逼近问题惟一解的表达式。     

完整的最小二乘递推算法

利用广义逆矩阵的理论,本文给出了完整的最小二乘递推算法,并由此得到若干很有意义的推论.     

分块矩阵的广义迹及其应用

在矩阵论中,有许多学者对矩阵的迹,矩阵的广义迹及矩阵特殊运算的广义迹等进行了讨论和研究,而分块矩阵是矩阵领域中的重要内容之一,在许多方面都有着重要应用,但对分块矩阵的广义迹的讨论却未曾涉及,通过矩阵的广义迹的启发,得出了分块矩阵的广义迹的计算方法,并用此方法计算了矩阵的广义Hadamard积的广义迹.     

错误先验指定下Bayes估计与广义最小二乘估计的相对效率

讨论了在错误指定的先验假定下一般线性模型中回归系数的Bayes估计,提出了Bayes估计与广义最小二乘估计(generalized least square estimator,GLSE)的一种新的相对效率,证明了该效率的优良性质,同时导出了其上下界。