线性回归模型中K-d型估计研究

考虑线性回归模型Y=Xβ＋ε,E（ε）=0,Cov（ε）=σ2 I,当设计矩阵X的列存在共线性时,最小二乘估计β=（X′X）-1 X′Y的性质变坏,为此给出了有偏估计β（K,d）=（X′X＋K）-1（X′Y＋dβ）,其中K〉0为对角矩阵,ki〉0,-∞〈d〈∞为参数,讨论了这种有偏估计对Liu估计、最小二乘估计的优越性,并证明了其可容许性估计。     

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)=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.     

一般增长曲线模型回归系数的一种可容许有偏估计

对于线性回归模型：Y=Xβ＋ε,E（s）=0,cov（ε）=σ^2v,v〉0,文献[1]给出了有偏估计βs^＊=（X^TV^-1X＋sI）^-s（XTV^-1Y＋β^＊）,其中s〉0为参数,β表示线性回归模型的广义最小二乘估计,文献[2]中已经证明了βs^＊的可容许性并且有很多优良性质．作者用类似的方法证明在一般增长曲线模型下该有偏估计仍具有许多优良性质并证明其在均方意义下是可容许的．     

平衡损失下回归系数线性估计的容许性

研究带约束的线性模型{Y=Sβ＋ε Eε=0，Eεε′=σ^2I Hβ=0，在平衡损失函数L（d,β）=ω（Y-Xd）′（Y-Xd）＋（1-ω）（Xd-Xβ）′（Xd-Xβ）下，其中0≤ω≤1已知，d为β的一个估计，给出了β的估计LY（LY＋α）在齐次线性估计类L（线性估计类L1）中可容许的充要条件。     

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.     

具有不正确设计阵和散布阵的随机回归系数和参数的G-M估计

考虑随机效应线性模型Y=Xβ+ε,E（β′,ε′）=0,Cov（（β′,ε′）′）=diag（б_1~2,б_2~2）,其中X,V≥o U≥0及A均为已知阵,α,б_1~2和б_2~2为参数,记此模型为 L（Xβ,Aα;б_1~2V,б_2~2U）,在 L（X_0β,Aα;б_1~2V_0,б_2~2U_0）下,假定X_0Aα和X_0β的G-M估计存在,我们求解下列问题:在什么条件下, L（X_0β,Aα; б_1~2V_0,б_2~2U_0）下的每个可估函数ω′_1α,ω′_2β及ω′_1α+ω′_2β的G-M估计也是L（Xβ,Aα;б_1~2V,б_2~2U）下相应待估函数的a）无偏估计;b）G-M估计     

增长曲线模型中系数阵的Minimax可容许线性估计

对于增长曲线模型Y=X1BX2′ ε,E(ε)=0,COV(ε)=σ2VΣ,在该模型中,B是回归系数矩阵,选取二次损失函数,在齐次线性估计类L0={MYN:M,N分别为m1×n,p×m2的常数矩阵,MX1=K}中给出了线性可估函数KBL的容许Mini max估计,并且证明了其唯一性.     

不等式约束下的生长曲线模型中线性估计的可容许性

对于带有不等式约束的生长曲线模型：Y=XBZ＋ε,ε~（0,σ2V⊙I）,trNBL≥0,本文在二次损失函数tr（d-KBL）′（d-KBL）下给出了KBL在齐次线性估计类LH和非齐次线性估计类LI中可容许的充要条件.     

一般线性回归模型的有偏估计及其容许性

根据线性回归模型[y=Xβ+ε;ε～(0,σ2V);V>0],给出了一种新的有偏估计βd(V),讨论了该有偏估计的优良性质,在均方误差矩阵准则下比较了新估计与广义最小二乘估计的性能,并证明了其容许性.     

全数字载波捕获算法

在数字化接收机中，通常采用最大似然估计算法来获得载波频移和相移的估值，但最大化非线性似然函数的计算量非常大，不易实现，该文提出一种通过将似然函数线性化来快速捕获载波的算法，大大减少了计算量，仿真结果表明，其性能接近克拉美劳界，且捕获频率范围宽，易于DSP实现，适合应用于全数字接收机。     

生长曲线模型的综合岭估计

该文提出了生长曲线模型回归系数的一种新的有偏估计—综合岭估计,讨论了综合岭估计的优良性、可容许性等性质,给出了其迭代解和极小化均方差的无偏估计解。在综合岭估计下,岭估计、广义岭估计、根方估计成为其特例,从而统一了生长曲线模型的岭估计和根方估计理论。     

正态分布参数估计的优良性

本文在统计判决函数理论和大样本理论下，讨论了正态分布参数估计的优良性。     

定向非均衡模型的估计

讨论了样本分割已知的一类非均衡计量经济模型———定向模型的估计问题。文中给出了一种估计方法,并证明了所作的调整满足无偏性要求。     

正态线性模型中误差方差的一类不可容许的二次型估计

设y_1,y_2,…y_n是均值为β,方差为σ~2的相互独立的随机变量,β∈R~1,σ~2>0均是未知参数.本文证明了:当α>1/(n+2)时,在损失函数(d-σ~2)~2/σ~4下,aS~2+bY~2不是σ~2的可容许估计,其中S~2=??(y_i-y)~2,y=1/n??y_i.     

随机约束模型下回归系数的有偏估计

本文提出具有正态随机约束模型下回归系数的混合Stein估计βm(c)和混合双k类Stein型估计βmk(k1,k2)，在均方误差意义下，证明了，当c,k1,k2满足一定条件时，对一切β和σ^2,βmr(c)和βmr(k1,k2)一致地优于β的混合估计βm，最后，将结果推广到较一般的正态随机约束模型。     

Bazilevic函数模与系数的估计

定义设f(z)=: 名a。z”,{:}<1,并有积分表示‘(:,={(· ‘。){:,(亡)g(‘)·:‘,一d,}渝·(l)其中p(:)=1 EC,z”}:{o二g伪)是}:}<1内的星形函数.a和日是实数,且a>0.函数了(劝在!:!<1内正则单叶.当。一”时,,(·卜{·I:;(‘)g(‘,·亡一d今:.(2)并且zf/(z)=f(z)’一“g(z)。p(z)。(3) 满足条件很e{对/(z)f(z)“一‘/g(z)“}>0,!.2}<1的函数f杠)构成一个函数族,记为B(a)称f(z)为a型的Bazilevie函数〔”二 满足条件Re{:f‘(z)f(z)“一’/z“}>0,{z{(1的函数了(:)构成一个函教族,.记为刀,(a)二 定理1设f(z)任B(a),a)o,}z}=r(l…     

回归函数非线性小波估计的优良性

在X服从区间[0,1]上的均匀分布的假设下,证明了回归函数的非线性小波估计中小波系数的无偏性和一致性.并证明了设置二次阈值情况下,小波系数的估计更有效.     

关于p-Laplace算子的一个最优估计

M是带度量g的n维非紧黎曼流形,1p≤2给定常数,△_p是M上的p-Laplace算子,借助于经典的Li-Yau的方法证明了在一定的曲率条件下,满足方程△_pu=-λ|u|~(p-2)u的正函数的一个梯度估计,其中λ≥0是常数;同时得到了λ的一个上界估计;进一步说明了此估计是最优的.推广了关于Laplace算子△的椭圆方程△u=-λu梯度估计的结果.