线性模型最小二乘估计的一个最优性质

考虑一般的线性模型Y=Xβ+ε,其中X为n×p阶设计矩阵,β为p×1未知参数向量,e为n×1随机误差向量。满足E(ε)=0,Cov(ε)=σ~2∑,这里σ~2>0可能未知,Σ则为已知的非负定矩阵,θ是β的一个线性函数,且可估,假设θ_R为Rao型最小二乘估计,本文证明了若随机误差服从ε椭球等高分布,则θ_R满足所谓最大概率性质,即θ_R落在以θ为中心的任一椭球内的概率不小于θ的任一性线无偏估计落在同一椭球内的概率,推广了文献中的结果。     

方差估计以及两个方差分量同时估计的可容许性

考虑线性模型 EY_(n×i)=X_(n×)β_(n×i) DY=σ~2V,V≥0,σ~2>0未知 (*)以及方差分量模型 EY_(n×i)=X_(n)β_(n×i) DY=σ_1:V_i+σ_2V_2,V_i≥0,V_2≥0,σ_i,σ_2>O未知 (**)其中γ(X_(n×m)=n,对模型(*)令D={d(A)=Y＇AY,A≥0}损失函数为L~(1)(d(A),σ~2)=σ~(-4)(Y＇AY-σ~2)~2,对模型(**)令D~(2)={d(A_i,A_2)=(Y＇A_iY,Y＇A_2Y),A_i≥0,A_2≥0},损失函数为L~(2)(d(A_i,A_2),(σ_i,σ_2))=σ_i(Y＇A_iY-σ_i)~2+σ_2(Y＇A_2Y-σ_2)~2,本文对模型(*)给出了d(A)为σ~2的D~(1)容许估计的充分条件,对模型(**)给出了在V_i+V_2>0的限制下,d(A_i,A_2)为(σ_i~2,σ_2~2)的D~(2)容许估计的充分条件。分别推广了文[3],[5]中的有关结果。     

关于多元许定理的一个注记

虑线性模型Y=XB+Uε (1)其中 X,U≠0分别是已知的 n×k,n×l 矩阵,Y,ε分别是 n×p,l×p 随机矩阵,B 是 k×p未知参数矩阵。设ε=(ε_(1)     

矩阵损失下的协方差阵Σ的二次型估计的风险函数

考虑模型 H:Y=( Y1 ,Y2 ,… ,Yn)′=( X′1 ,X′2 ,… ,X′n)′β+ ( e1 ,e2 ,… ,en)′ Xβ+ e.其中 ,Yi:r维列观察向量 ,Xi:r× p已知矩阵 ,i=1 ,2 ,… ,n.β=( β1 ,β2 ,… ,βp)′是 p维未知参数向量 .e1 ,e2 ,… ,en　iid,e1 与r维正态分布 Nr( 0 ,Σ)有相同的前 4阶矩 ,这里Σ是未知的 r× r协方差阵 .在矩阵损失函数 L( d,Σ) =( d-Σ) 2 下 ,给出了Σ的二次型估计类 { Y′AY:A≥ 0 ,A∈ Rn× n}的风险函数 .     

GMANOVA模型中协方差阵扰动的影响分析

0 引言 Potthoff et al(1964)提出了如下的GMANOVA模型(常称为生长曲线模型):{Y=X1BX′2+ε/ε～Nn×p(0,V(○×)In)'(1.1)其中Y为n×p观测阵,X1,X2分别为n×k和p×q设计阵,B是待估参数阵,ε是误差阵,其n个行向量i.i.d. Np(0,V),V正定、未知. Kariya(1985)和潘建新(1991)讨论过模型(1.1)中B的估计问题.     

矩阵正态分布均值矩阵的可估函数的线性估计在线性估计类中的泛容许性

考虑以下问题 :设n×m随机矩阵Y有分布N(Θn×m ,σ2 (Vn×n Σm×m) ) ,0 <σ2 ≤ 1 ,即Y服从均值向量为Θ协方差矩阵为σ2 (Vn×n Σm×m)的多元正态分布 ,其中 (Θ ,σ2 )为未知参数 .类似覃红讨论均值矩阵Θ的可估函数SΘ的线性估计AY在线性估计类中的泛容许性 .称Y的分布为矩阵正态分布     

正态线性模型中可估函数的极小极大估计(英文)

论述正态线形模型NL(Xβ,δ~2V),其中V为已知k×n正定矩阵,σ~2>0为未知参数,在二次损失|σ~2 β~TX~TV~1Xβ|~1||δ SXβ||下,根据可容许性理论,证明了SXβ的线性估计是其一切估计类中的唯一极小极大估计。     

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     

正态线性单方程计量经济模型的Bayes统计推断

该文研究了如何利用Bayes方法来建立正态线性计量经济模型 :Y =Xβ U ,U ～N( 0 ,σ2 In) ,分别讨论了在二次损失函数下σ2 已知时 ,β的Bayes估计和σ2 未知时 ( β ,σ)的Bayes估计。与 β或 ( β ,σ)的经典统计估计相比较 ,由于Bayes方法融合了样本信息和参数的先验信息 ,其Bayes估计的精度更高。     

正态均值线性估计的可容许性

假定多元随机变量Y~Nn(β,σ2V),β∈Rn,σ2>0未知,V≥0已知;讨论了均值向量β的线性估计的可容许性,并在二次损失函数‖δ(Y)-β‖2下,得到了均值向量β的线性估计可容许的充要条件.     

增长曲线模型中LSE的几种新的相对效率

对于生长曲线模型Ｙｑ×ｎ ＝ Ａｑ×ｍ Ｂｍ ×ｋＣｋ×ｎ ＋ ｅｑ×ｎ , Ｅ（ｅ） ＝ ０ ,ｃｏｖ（→ｅ） ＝ Ｖｎ×ｎ ｑ×ｑ ,该文定义了四种ＬＳＥ 的相对效率,并给出了它们的上界     

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。     

广义生长曲线模型中均值矩阵的泛容许估计

讨论了广义生长曲线模型中均值矩阵的线性估计在二次损失矩阵函数下的泛容许性，并在某些线性估计类中得到了泛容许估计的充要条件。     

矩阵损失下带约束生长曲线模型中齐次线性估计的可容许性特征

证明了约束条件下生长曲线模型中线性估计的可容许性与约束条件下一元线性模型中,线性估计的可容许性在齐次线性估计类中具有等价性,得到了带约束生长曲线模型中线性函数KBL的估计DYF在齐次线性估计类中是可容许估计的充要条件.     

可持续增长曲线模型及其参数估计的非线性规划方法

建立了两个能拟合，预测可持续增长过程的曲线模型，讨论了曲线模型的若干性质，给出了模型参数估计的非线性规划方法，通过两个实例的验证说明了模型拟合效果好，预测精度高。     

线性等式约束下生长曲线模型回归系数线性估计的容许性

对于带有线性等式约束的生长曲线模型:Y=XBZ+ε,vec(ε)～(0,σ2UV)HB=0,本文在矩阵损失函数(d-KBL)(d-KBL)下给出了KBL在估计类l与l1中可容许性的充要条件。     

一般的增长曲线模型均值矩阵线性估计的泛容许性

在两种矩阵损失函数下讨论了一般的增长曲线模型中均值矩阵线性估计的泛容许性,并在某些线性估计类中分别得到了泛容许估计的充要条件。     

二次损失下增长曲线模型回归系数非齐次线性估计的可容许性特征

讨论了增长曲线模型回归系数非齐次线性估计在六种不同形式容许性定义下的可容许性，得到了在估计类中KBL的非齐次线性估计在这六种容许定义下可容许的充要条件。     

多种标准下生长曲线模型回归系数可容许线性估计的等价性

对于一般增长曲线模型,在损失函数(d (y)-KBL)＇(d (y)-KBL)下得出了回归系数的线性可估函数KBL的齐次线性估计DYF、在齐次线性估计类中是可容许估计的充分必要条件.同时,对于不同的矩阵大小比较标准分别讨论了它们各自的可容许性问题,得到了6种意义下可容许的等价定理。     

一般增长曲线模型回归系数线性估计的可容许性

本文在一般增长曲线模型下研究其回归系数线性估计的可容许性。令Q={DUF:D为t×p阶常数矩阵,F为n×l阶常数矩阵},在矩阵损失函数(d-KBL)(d-KBL)′下给出了可估函数KBL的估计DYF在估计类Q_1={DYF:DYF∈Q,DA≠K,CF=L}中是可容许估计的充要条件;在DA=K,CF=L时DYF在估计类Q中是可容许估计的充要条件。由此还得出了一元的Gauss-Markov模型和多元模型在线性估计类中是可容许估计的充要条件。