方差分量的不变二次无偏估计

本文考虑具有任意K个方差分量的线性模型,讨论了方差分量线性函数的可容许估计问题。根据一般线性模型中均值参数的可容许估计的刻划,得到了在椭球等高分布的假定下,方差分量线性函数的可容许性不变二次无偏估计的刻划。     

约束条件下多元随机效应线性模型中回归系数和参数的可容许估计

讨论约束条件下多元随机效应线性模型中回归系数和参数的线性估计的可容许性,在二次损失函数下,给出了随机回归系数和参数的线性估计分别在齐次和非齐次线性估计类中是可容许估计的特征.     

方差分量模型中回归系数估计的可容许性(Ⅱ)

本文考虑方差分量模型Y～N(X β,σ_1~?V_1 σ_2~2V_2)中β的函数g(β)的估计在一般估计类D_1中且在平方损失下的可容许性问题.给出了当X=In时β的估计AY为D_1可容许的充分条件.以及可估函数Sβ的估计AY为D_1可容许的充分条件.同时给出了可估函效Sβ的非齐次线性估计AY a为D_1可容许的充要条件及充分条件.本文还讨论了在矩阵损失下方差分量模型中回归系数估计的可容许性,并得到了估计量为可容许估计的充分条件.     

线性混合模型中参数估计的容许性

对含有两个方差分量的线性混合模型,文章主要研究了两个广问题.首先,在方差分量的一个二次不变估计类中,改进了已有文献中对容许性的证明,建立了新的估计类,讨论了容许性的必要条件.基于新的估计类得到了一个比ANOVA估计更好的估计.另外,在固定效应β的线性可估函数Sβ的一个线性无偏估计类中,得到了可容许的必要条件.     

平衡损失下奇异线性模型中线性估计的可容许性

在平衡损失函数下,给出奇异线性模型中回归系数线性估计的可容许的定义,并得到齐次线性估计类中线性估计可容许性的充分必要条件.     

一般线性模型中随机回归系数和参数的线性估计的可容许性

对一般的固定效应和随机效应线性模型，在二次损失函数下，本文给出了ＬＹ＋ａ是回归系数和参数的线性函数的可容许性估计的充要条件。     

回归系数的线性估计在平衡损失下的可容许性

针对多元正态线性模型,根据Zellner提出的平衡损失函数,对其进行变形,定义了更一般的平衡损失函数。研究了在该损失下,多元正态线性模型回归系数矩阵的线性估计在一切估计类中的可容许性,并给出了充要条件。该方法同样适用于线性估计类中的可容许性以及其他的可容许性的研究。     

具有两个方差分量的一般随机效应线性模型中回归系数和参数的G-M估计

本文考虑具有两个方差分量的一般随机效应线性模型Y=Xβ e。对该模型随机回归系数和参数的线性可估函数Sα Qβ,给出了Sα Qβ的G—M估计存在的充要条件与其所有的G—M估计。     

带约束的增长曲线模型线性估计的可容许性

讨论带约束增长曲线模型中回归系数线性估计的可容许性,在二次损失下,给出了回归系数的线性估计是可容许的充要条件.     

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。     

混合系数线性模型中参数估计的一些结果

对于在二次损失和矩阵损失下混合系数线性模型的参数估计问题, 分别给出了在仿射变换群下存在回归系数的一致最小风险无偏(UMRU) 估计和一致最小风险同变( UMRE) 估计的充要条件和在平移群下存在一致最小风险同变估计( UMRE) 的充要条件, 导出了回归系数的广义最小二乘估计的可容许性.     

平衡损失下回归系数的最小风险估计

研究了线性模型中回归系数的最小风险估计问题.在平衡损失函数下,考虑了回归系数线性估计在线性估计类中的最小风险性,结果表明最小风险估计是非线性有偏估计,它与未知参数有关,当用未知参数的不同估计代替时,得到的估计都是一种估计的平衡.     

非参数的广义转换异方差模型

在风险管理中，费用的平均值E［Y|[WTHX]X[WTBZ]］是一个关键参数.预测平均费用的主要困难在于费用数据是严重偏态且异方差.目前常用的方法有转换模型及广义线性模型方法，这两个方法独立被研究，没有任何交叉，它们部分地克服了数据的偏态性及异方差性质. 本文提出了一个新的非参数模型，它不要求给定转换函数、联系函数、方差函数及误差分布函数. 现有的转换模型及广义线性模型都只是这个模型的特例，该模型可以在一个相当广泛的范围内提供一个最好的选择. 更重要的是本文用一个非常简单的方法估计感兴趣的参数，估计过程中     

方差分量模型中回归系数的线性Minimax估计

定义了三种不同的Minimax估计．在矩阵损失下得到了方差分量模型的回归系数(分别是在齐次线性估计类和非齐次线性估计类中)的线性Minimax估计．结果表明,Minimax估计是压缩型估计．     

线性回归模型系数的有偏估计研究

针对引起线性回归模型LS估计性能变坏的根本原因,提出了回归系数的广义c-K估计,将众多经典的有偏估计结合在一起,对有偏估计的改进进行研究.分别证明了选择广义岭参数可对狭义岭估计进行改进,选择压缩因子可对广义岭估计进行改进,给出了参数的最优值.为病态线性回归模型系数的有偏估计的改进提供了有效途径.     

平衡损失下带约束的回归系数的线性容许估计

文章在推广的矩阵形式的平衡损失函数下,利用矩阵的向量化方法,研究了带线性约束的多元线性模型中回归系数的线性可容许估计;并在齐次线性估计类和非齐次线性估计类中,分别得到了齐次线性估计和非齐次线性估计是可容许估计的充分和必要条件,推广了有关文献的结果。     

差分侧信道密码分析中泄露模型的线性回归分析

从统计学线性回归模型的角度研究密码设备差分侧信道分析攻击中泄露模型的建模及估计,在不需对设备信息泄露有提前了解的情况下,得出线性回归泄露模型,克服了传统泄露模型的局限性.首先,分析能耗泄露的随机模型从而构建线性回归模型,然后用最小二乘估计和最小一乘估计两种方法求解线性回归模型的系数,最后基于八位控制器PayTV-AES智能卡平台实现能耗泄露的建模及系数估计.通过对两种求解方法结果的比较,提出最小二乘估计比最小一乘估计更适合用于泄露模型的线性回归分析;通过对被估模型系数曲线的分析,提出线性回归分析可以用于测量数据的预处理,以提高泄露模型建模效率.     

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.