部分线性可加模型的约束估计

文章讨论部分线性模型在约束情况下的估计问题.在一般的线性约束条件下利用两种方法构造参数分量的约束估计;当参数部分附加随机约束条件时,依据混合估计方法与Profile最小二乘方法,构造参数分量的随机约束估计;讨论一般约束估计和随机约束估计的关系.     

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。     

随机约束线性回归模型参数估计的影响分析

讨论了带随机约束的线性回归模型的影响分析及强度影响的探测问题,利用数据删除法,导 单点剔除模型下参数的混合估计与原模型下对应估计的相互关系,并利用Ｃｏｏｋ统计量、Ｗｅｌｓｃｈ－ｋｕｈ统计量和协方差比统计量,分别给出了剔降单个数据点对参数估计的影响度量和协方差比通过数据模拟列子主明了此方法的有效性。     

误差相关下半变系数模型的随机约束估计

讨论误差相关下半变系数模型的随机约束估计。先用局部线性方法给出未知系数函数的估计,再由最小二乘法估计出未知参量,并讨论了估计的渐近正态性。     

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.     

约束线性回归模型回归系数的条件广义岭估计

提出了约束线性回归模型中回归系数的一种条件广义岭估计,讨论了它的优良性,证明了它在均方误差及均方误差矩阵下都优于约束最小二乘估计。     

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。     

约束线性回归模型的条件岭型估计

本文提出约束线性回归模型下回归系数的条件岭型估计的概念 ,证明了它是 β的约束可容许估计 ,且在均方误差意义下优于 β的约束最优线性无偏估计。     

有随机约束的混合回归模型,随机约束岭型估计

~~有随机约束的混合回归模型,随机约束岭型估计@富月$渤海大学数学系!辽宁锦州121000~~~~~~     

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.     

约束模型下回归系数的有偏估计

本文提出线性约束模型下回归系数的 stein 估计和双k类 stein 型估计的概念,二者均为回归系数β的非线性约束有偏估计。在均方误差意义下,证明了:当所含参数满足一定条件时,对一切β和σ~2,它们一致地优于β的约束最小二乘估计(?)_L。最后,将结果推广到较一般的线性约束模型。     

删失回归模型的随机逼近

讨论了删失回归模型系数的LAD估计．Rao and zhao(1992)提出了一般线性回归模型系数的M估计的随机逼近，本文把这一方法推广到删失回归模型。     

随机规划的合成机会约束模型

研究了当随机规划的约束为凸函数时，合成机会约束模型中可行域的性质，推广了线性约束函数的结论；通过实例对比了合成机会约束与机会约束的可行域，显示了前者的优越性；最后讨论了合成机会约束模型与补偿模型的联系，为进一步的”算法设计提供了理论支持．     

随机约束条件下线性回归模型中的效率度量

估计效率是一个重要的概念．本文把它作为随机约束条件下线性回归模型中的影响度量，研究厂数据对约束模型的影响．     

PC准则下错误指定模型中回归系数有约束LS估计的优良性

在错误指定的回归模型和线性约束条件下，于ＰＣ准则下，比较了回归系数的有约束的最小二乘估计（ＲＬＳＥ）相对于通常的最小二乘估计（ＬＳＥ）的优良性．也对预测情形类似的问题进行了讨论．     

系数随机的多元线性回归模型的参数估计

对一般系数随机的带有相关因子的多元线性回归模型的参数进行估计。估计值是用EM算法给出的极大似然估计或约束的极大似然估计。给出了EM算法的具体公式,并利用bootstrap方法估算出这些估计值的精确度。最后通过一判别儿童总体中是否存在Catch-Up生长的例子以解释给出的方法。     

带有线性约束的共同回归系数矩阵线性估计的泛可容许性

针对带有线性约束的多元共同均值回归模型，在泛优良性准则下，得到了其共同均值参数矩阵的线性函数的线估计是泛可容许的必要条件，进而给出了在不同的线性约束条件下，Ｈ的泛可容许估计类之间的一种刻划。     

具有随机约束的混合效应模型参数的岭型谱分解估计

对于具有随机线性约束的线性混合效应模型参数提出一种称之为条件岭型谱分解估计的方法.利用均方误差矩阵和广义均方误差对固定效应参数的几种估计量进行比较,给出条件岭型谱分解估计优于条件谱分解估计的充分条件,并给出这两种估计的相对效率的上下界.最后,模拟算例验证了理论结果的正确性.     

非齐次等式约束线性回归模型参数的条件根方估计

对非齐次等式约束线性回归模型提出回归系数的条件根方估计,证明了在一定条件下,当回归自变量闻存在复共线关系时,条件根方估计在均方误差意义下很好改进了约束最小二乘估计;讨论了条件根方估计的容许性;分别给出了在平均散布误差准则下条件根方估计优于约束最小二乘估计的充要条件与充分条件;对确定条件根方估计的参数值讨论了两种方法:根迹法、方差扩大因子法。     

带约束的随机效应线性模型中的回归系数和参数的可容许性估计

考虑了如下的参数受不完全椭球约束的随机效应线性模型：Y=Xβ ε,E(^βε）=（^Aα 0),Cov(β ε）=σ^2(^V11 V12 V21 V22)其中参数受如下不完全椭球约束α′A′X′Aα≤σ^2在二次损失函数和矩阵损失函数下。分别给出了随机回归系数和参数在齐(非齐)次线性估计类中的可容许性估计的充分必要条件。