多元线性模型回归系数的所有可容许线性估计

讨论了多元线性模型中 ,线性估计 AY a在一切估计类中是线性可估函数 SB的 A-可容许性估计、E-可容许性估计及 G-可容许性估计的主要条件 .     

一类非对称的GARCH模型的参数估计

非对称的GARCH模型的估计一般采用拟极大似然估计,这种估计的相合性及渐近正态性结论已经出现在很多文献中.本文对这种模型提出一种新的估计方法-加权拟极大似估计,在一定条件下证明了非对称的GARCH模型的加权拟极大似然估计的相合性和渐近正态性.     

矩阵损失下带约束多元线性模型回归系数可容许线性估计的特征

讨论矩阵损失下带约束多元线性模型中线性估计的可容许性问题,证明了约束条件下多元线性模型中线性估计KB的可容许性与约束条件下一元线性模型中线性估计Kβ的可容许性具有等价性;根据这一特征得出了多元线性模型中线性估计KB的估计LY是可容许估计的充要条件。     

平衡损失下回归系数的最优估计

主要研究一般Gauss-Markov模型中回归系数的最优估计问题.在平衡损失下,考虑回归系数的线性估计在线性无偏估计类中的最小风险性,得到回归系数的最优线性无偏估计,并证明最优线性无偏估计在几乎处处意义下的唯一性.特别地,考虑了一类特殊的估计:b-线性估计;获得了回归系数的最优b-线性无偏估计,结果表明最优线性无偏估计也是回归系数的最优b-线性无偏估计.     

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.     

一阶广义随机系数自回归模型参数的最小渐近方差估计

研究广义随机系数自回归模型中参数的估计问题, 给出了未知参数的一个估计类, 证明了该估计类中估计的相合性和渐近正态性, 并且获得了该估计类中的最小渐近方差估计, 并通过数值模拟比较了估计类中各种估计方法的优劣.     

多元线性模型回最系数的所有可容许线性估计

讨论了多元线性模型中,线性估计ＡＹ＋α在一切估计类中是线性可估函数ＳＢ的Ａ－可容许性估计、Ｅ－可容许性估计及Ｇ－可容许性估计的主要条件。     

正态情形下两类熵风险度量的估计

研究了正态情形下两类熵风险度量估计量的相合性,估计大偏差,估计渐近正态性.由估计的渐近正态性给出这两类熵风险度量的区间估计,且用相应的图像模拟验证区间估计的结果.     

约束条件下误差协方差阵的二次型估计的可容许性

估计的可容许性一直是模型估计理论的重要部分,其主要包括系数估计的可容许性与误差估计的可容许性。随着统计模型的不断扩展与完善,各种有关的容许性理论也在不断的更新和完善之中。作为椭圆约束下一元模型中误差估计的可容许性向高维的一种推广,本文主要讨论在不等式约束条件下多元线性模型中误差协方差阵V的二次型估计的可容许性,得到了在二次型估计可容许的必要条件以及rk（x）=1与x=（1,1,…,1）T情形下可容许估计的充要条件等结果。     

NQD样本线性回归参数M估计的强相合性

M估计是用于多元线性模型的一种用极值点定义的估计,近年来,许多学者对M估计进行了研究,获得了许多突出性成果。文章研究了随机误差为两两NQD列的线性模型中回归参数M估计的强相合性的充分条件,在一定条件下得到了线性回归模型未知参数M估计的强相合性,扩大了线性回归参数的M估计的应用范围。     

T~2-分布的非中心参数的估计

本文讨论了T~2-分布中非中心参数的点估计与区间估计问题。     

T^2—分布的非中心参数的估计

本文讨论了T~2-分布中非中心参数的点估计与区间估计问题.     

线性模型中几个有偏估计的改进

对线性模型中回归系数的Stein型估计,双h类估计和双l类估计作了改进,使得它们在设计阵的任何情形下都能一致优于最小二乘估计。     

可估函数岭估计的一个结果

在不要求Sn的逆存在的情形下,给出了可估函数岭估计的弱相合性与均方相合性等价的条件。     

污染数据线性回归模型的参数估计

研究了简单回归模型中响应变量受到另一随机变量序列污染时 ,模型参数和污染系数的估计方法 .在适当条件下 ,证明了所建立的估计量都具有强相合性     

熵损失函数下Burr分布参数的Bayes估计

讨论了在熵损失函数下Burr分布的参数在不同先验分布下的Bayes估计,并且讨论了其多层Bayes估计,给出了容许性估计的一般形式.     

非负矩阵Perron根界的几个新的估计式

利用矩阵广义Perron补的性质给出了非负矩阵Perron根的几个新的估计式,这些估计式或削弱了一些现有估计式的使用条件或改进了估计效果,文中数值算例表明所得结果是有效的。     

关于随机截断下半参数回归模型中的相合估计的一点注记

文[1]研究了随机截断下半参数回归模型中的相合估计,但其强相合性的证明有些问题。本文给出了其强相合性的新的证明。     

正态误差模型的最优稳健估计

通过构造Lagrange函数,得到了具有正态误差模型的参数最优稳健估计是Huber估计的结论,说明了Huber函数作为最常用的稳健估计函数的原因.     

关于污染线性回归模型参数估计的注记

文[1] 、[2] 研究了简单回归模型中响应变量受到另一随机变量序列污染时，模型参数和污染系数的估计方法，但在 利用误差的不同阶矩估计给出污染系数的估计时发生了错误。我们证明了这种方法是行不通的。