约束线性回归模型的一种有偏估计

对于带约束的线性回归模型,y=Xβ+e,E(e)=0,Cov(e)=σ2V,V>0,Rβ=0,给出了回归系数的有偏估计β*R(k)=(kM+I)-1β*R(k≥0),讨论了其一些性质,而且给出了在均方误差阵下β*R(k)优于β*R的条件.     

约束线性回归模型的一种新的可容许估计

目的对于带约束的线性回归模型,y=Xβ+e,E(e)=0,cov(e)=σ2V,V>0,Rβ=0,给出了回归系数的有偏估计βR*(K)=(KM+I)-1βR*其中K=diag(k1,k2,…,kp)。方法应用比较的方法。结果与结论求出了在均方误差意义下βR*(K)优于β*R的条件,并讨论了其可容许性。     

线性回归模型的一种有偏估计

在线性回归模型Y=Xβ ε;Ε(ε)=0;cov(ε)=σ2I下给出了有偏估计βc*(K)=(cXTX ΦKΦT)-1XTY,其中c≥1,K=diag(k1,k2,…,kn)为对角阵,ki≥0,讨论了这种有偏估计的可容许性,利用Stein式压缩技术说明在均方误差意义下它优于广义岭估计,推广了有关结果.     

约束泛最小二乘估计及其Cook距离

通过求极值给出了普通线性模型y=Xβ+e在约束Aβ=b下的泛最小二乘估计∧β*u=∧βu-(X’PX+kQ)-1A’{A(X’PX+kQ)-1A’}-1(∧Aβu-b)并得到其Cook距离的一个简化公式。     

回归系数的一种有偏估计

在线性回归模型Y=Xβ ε;E(ε)=0;Cov(ε)=σ2V,V＞0下,给出了一种新的有偏估计(β)(F(K))=(X′V-1X TF(K)T′)-1X′V-1Y,讨论了这种有偏估计的优良性,推广了已有的相关结果.     

线性模型的广义压缩预测

考虑线性模型y=Xβ+e,E(e)=0,Cov(e)=σ2V在V=IN且2≤ rkX=P≤N假设下,针对X的复共线性,提出了广义压缩预测.     

线性模型中均值向量的LSE和BLUE的偏差

考虑线性模型Y=Xβ e,这里E（e）=0,Cov(e,e)=σ^2V,V是非负定矩阵。众所周知,u=Xβ的最小二乘估计和最优线性无偏估计分别为u=X(X‘X)^-X‘Y和u=X(X‘T^-X)^X‘T^-Y,这里T=V XUX‘,U是矩阵满足R(T)=R(V:X)且T≥0。该文讨论V≥0时u与μ的偏差。在满足一定条件下得到相似的Haberman的一个界。在欧氏范数下,得到使Haberman条件成立的一个便于应用的充要条件。证明了类似于[2]界的推广形式,并把[3]界推广到V≥0。     

线性回归模型系数Stein估计的改进研究

在线性回归模型Y=Xβ,E（ε）=0;COV（ε）=σ^2Ⅰ下给出了有偏估计βc（K）=（CX’X）＋ФKФ＇）^-1X’Y,其中C≥1,K=diag（k1,k2,…,kp）为对角阵,ki≥0,讨论了这种有偏估计的可容许性,证明利用广义岭回归技术可以改进著名的Stein估计（在均方误差意义下）。     

回归系数的一种有偏估计

在线性回归模型Y=Xβ＋ε；E（ε）=0；Cov（ε）=σ^2V，V〉0下，给出了一种新的有偏估计β^-（F（K））=（X′V^-1X＋TF（K）T′）^-1X′V^-1Y，讨论了这种有偏估计的优良性，推广了已有的相关结果．     

生长曲线模型综合岭估计的推广

文章将生长曲线模型Y=X1BX2+ε,E(ε)=0,Co v(ε)■=Co v(Ve c(ε))=Iqσ2In在设计阵X1(或X2)呈病态时的综合岭估计推广到协方差矩阵为正定和半正定生长曲线模型,得到了相应的综合岭估计,并给出了其优良性等性质。