修正LIU估计下数据删除模型的强影响分析

在修正LIU估计下对单个数据删除模型进行研究,讨论数据删除模型估计量的性质,得到修正LIU估计β赞MLE(i)与LIU估计β赞LE间的关系,以及预测估计y赞i可由β赞MLE与yi线性表出等性质;同时,本文在前人的基础上推导得到CRi统计量和Cook统计量新的表达形式,并在实例中用Cook距离来识别强影响点,验证其合理性.     

线性回归模型LIU估计的影响分析

研究了线性模型中LIU估计的影响分析问题,得到了原模型与数据删除、方差扰动及均值漂移模型间——线性回归有偏估计(LIU)估计的关系式,给出了影响度量的计算公式。     

混合系数线性模型参数的几乎无偏LIU估计

该文研究了连续测试数据情况下的混合系数线性模型的参数估计问题.提出了混合系数线性模型参数的几乎无偏LIU估计,研究了参数估计的性质,并证明了在一定条件下此估计优于最小二乘估计、几乎无偏岭估计和LIU估计,最后还讨论了新估计的可容许性和有偏参数的选取方法.     

约束型矩阵最小二乘估计预测

本文提出了约束型矩阵模型的最小二乘估计预测量,矩阵型MSE准则,矩阵型RT(·)准则,矩阵型MDE-准则.进一步,给出了约束型矩阵模型最小二乘估计预测关于MSE准则、RT(·)准则优于它的最佳线性无约束矩阵型最小二乘估计预测的充要条件.探究RT(·)准则与MDE-准则的相互转化关系,给出了约束型矩阵模型最小二乘估计预测优于无约束矩阵型最小二乘估计预测的充要条件.     

关于岭估计改进的研究

在奇异线性模型下,基于广义岭估计基础上提出新估计改进,对参数范围扩大化进行了处理,重点验证了新估计的一些重要性质及其优良性.     

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。     

线性回归模型的一种新的有偏估计

本文提出了线性模型在随机约束条件下的一种岭估计,并给出了在均方误差矩阵准则下这种新的岭估计优于混合估计与岭估计的充要条件.     

广义岭型主成分估计的一些性质

讨论了广义岭型主成分估计的一些性质,引入一种估计的相对效率,证明了广义岭型主成分估计比岭型主成分估计和主成分估计的效率高,并且在Pitman准则下也优于岭型主成分估计和主成分估计.     

均方误差准则下的几乎无偏Stein岭型主成分估计的优良性

将Stein岭型主成分估计利用几乎无偏估计思想进行优化,得到几乎无偏Stein岭型主成分估计.并考虑均方误差准则,得到了几乎无偏Stein岭型主成分估计优于最小二乘估计、Stein岭型主成分估计的充分条件.并通过数值实验证明在给定k或p时,几乎无偏Stein岭型主成分估计的均方误差与Stein岭型主成分估计的均方误差较为接近,且远大于最小二乘估计的均方误差.     

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.     

线性回归模型回归系数的条件岭型估计

研究了线性等式约束的线性回归模型回归系数的一种有偏估计--条件岭型估计,给出了在均方误差意义下条件岭型估计优于回归系数的约束最小二乘估计的条件.     

非齐次等式约束下奇异型线性回归模型的广义条件岭估计

文章对线性回归模型参数有偏估计做进一步研究,提出了在非齐次等式约束下奇异型线性回归模型参数的广义条件岭估计,并给出它的一些性质,而且证明了在一定条件下,在均方误差阵和广义均方误差意义下,广义条件岭估计都优于约束最小二乘估计.最后,通过实际数据进行实证分析,得到了取不同岭参数矩阵时对应的广义条件岭估计及其MSE,验证了广义条件岭估计优于约束最小二乘估计的充分条件的正确性.     

影响分析中岭估计的广义方差比研究

本文利用广义方差比度量在线性模型中剔除一组或多组数据对岭估计的影响.给出了剔除前后岭估计的广义相关系数的表达式,并得到了某些一般的结果。     

线性模型中回归系数广义岭估计的小样本性质

在均方误差矩阵准则和Pitman closeness（PC）准则下讨论了线性回归模型中回归系数的广义岭估计相对于最小二乘估计的优良性及其相对效率的界．     

一类非线性岭估计的优良性

提出了线性回归模型中回归系数的一类非线性岭估计 ,并分别在广义均方误差准则和PC准则下讨论了它相对于LS估计的优良性 .     

多元岭估计下数据联合影响的分解及数据的交叉影响

本文讨论了多重线性回归中数据对多元岭估计的影响。首先给出了度量数据对多元岭估计影响大小的Ｃｏｏｋ距离及其简化形式，提示了强影响点、高杠杆点、异常点间的内在联系；其次讨论了多组数据对多元岭估计的联合影响与其中每组数据对多元岭估计的影响之间的关系，最后探讨了多元岭估计中数据的交叉影响问题，得到了许多有意义的结果。     

约束线性回归模型回归系数的条件岭型估计

本文提出了线性等式约束的线性回归模型回归系数的一种有偏估计-条件岭型估计,证明了在一定的条件下,在均方误差意义下及均方误差矩阵意义下都优于回归系数的约束最小二乘估计,并讨论了它的可容许性。     

非齐次等式约束线性回归模型回归系数的条件岭型估计

对非齐次等式约束线性回归模型提出一种有偏估计,即条件岭型估计,证明了在一定的条件下,在均方误差及均方误差矩阵意义下都优于回归系数的约束最小二乘估计,并给出了两次随机数据模拟的结果,模拟数据结果表明在一定的条件下,条件岭型估计优于最小二乘估计.