关于回归参数估计方法的探究

线性模型广泛应用于工业、生产、经济、社会等领域,本文对模型中的参数作了最小二乘估计,讨论了最小二乘估计的优点和缺点.针对这种方法的不足,提出了对模型参数的线性约束估计,同时对其优点作了讨论.     

多元线性回归递推最小二乘估计的一种新形式

给出一种新型的多元线性回归模型参数的递推最小二乘估计,在很大程度上,新的方法改进了传统的最小二乘估计。     

一个类似于多元许定理的结果

本文考虑了如下的一般多元线性模型■中未知参数阵B与∑的线性函数tr(D＇B)+tr(C∑)的联立估计问题,给出了tr(D＇B~*)+tr(C∑~*)是其期望值的一致最小方差不变二次加线性无偏估计(UM-VIQLUE)的充要条件,这是一个类似于多元许定理的结果,其中B~*与∑~*分别是B与∑的在一定意义下的最小二乘估计.     

一般线性模型中参数的平衡广义LS估计

基于平衡损失的思想,对一般线性模型提出了一种全面地度量估计优良性的标准,给出了在此标准下回归系数的平衡广义最小二乘估计,并讨论了其优良性.得到了该估计为无偏估计的充分必要条件,以及在一定条件下,在均方误差损失的准则下平衡广义最小二乘估计优于最佳线性无偏估计的充分必要条件.     

一种改进的线性回归模型

本文阐述了一种改进的线性回归模型——偏最小二乘回归模型的基本原理,并结合实例指出当变量间存在着线性关系时,普通的多元线性回归建模方法会失效;通过对偏最小二乘回归模型和主成分回归模型的系数估计精度及预测精度两方面的比较,说明要消除变量间的线性关系,前者优干后者。     

关于回归参数估计方法的探究

线性模型广泛应用于工业、生产、经济、社会等领域,本文对模型中的参数作了最小二乘估计,讨论了最小二乘估计的优点和缺点。针对这种方法的不足,提出了对模型参数的线性约束估计,同时对其优点作了讨论。     

回归系数的一种有偏估计

为了改进最小二乘估计，克服其在设计阵呈病态时表现出的不可靠性，本文将最小二乘估计、Stein型估计和组合主成分估计的方法联合起来，提出了多元线性模型回归系数的一种新的有偏估计。并且证明了：此种估计在均方误差意义下是可容许估计；在参数区域的某个椭球内，这种新的估计优于最小二乘估计、主成分估计和组合主成分估计。     

设计阵列亏秩时几种估计性能的比较

在给定的线性模型下，讨论了在设计阵列亏秩时，最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较。得出了在一定条件下，最优加权最小二乘估计等价于线性无偏最小方差估计。在噪声方差矩阵可逆、未知参数方差矩阵可逆条件下，可算出最优加权最小二乘估计与线性无偏最小方差估计方差的差表达式，并在一定条件下，两者趋于一致。     

部分线性变系数模型的Liu估计

研究了部分线性变系数模型中参数分量的有偏估计问题.基于Profile最小二乘方法和Liu估计法构造了参数分量的Profile-Liu估计和剖面最小二乘广义Liu估计,并在一定的条件下,证明了Profile-Liu估计优于Profile最小二乘估计,剖面最小二乘广义Liu估计优于Profile-Liu估计.     

基于因变量均值的OLS研究

对普通最小二乘法进行了改进,提出了基于因变量均值的最小二乘法.用实例证明了改进的模型更好地满足了回归分析的假设条件,降低了一元线性回归模型的估计误差,提高了模型的估计精度和拟合优度,提高了统计推断的质量.     

错误先验假定下多元回归系数Bayes估计的性质

在错误指定的先验假定下研究了多元回归系数估计 (BE) ,并在矩阵损失下对其与最小二乘法估计 (LSE)进行了比较 ,同时讨论了在后验Pitmancloseness准则下BE相对于LSE估计的优良性     

多κ类广义压缩最小二乘估计

提出线性模型中回归系数的多k类广义压缩最小二乘估计的概念．在均方误差的意义下，给出了该估计一致优于最小二乘估计的充分条件．     

回归系数一类线性估计与广义最小二乘估计的相对效率

在均方误差矩阵准则下研究了回归系数的一类线性估计相对于广义最小二乘估计的优良性问题,并讨论了三种不同相对效率的上、下界.     

部分线性模型最小二乘估计的强相合性

考虑一类特殊的部分线性模型Y=β ^T₀X+g₀(T)+σ₀(X)ε的估计问题, 给出了最小二乘估计(LSE), 并证明了最小二乘估计的强相合性.     

混合线性模型最小二乘估计的模拟分析

本文首先用最小二乘估计的方法构造混合线性模型参数的估计量,在一定的假设条件下,进行数值模拟,以说明所构造的估计量的有效性。并给出一个实际算例来体现混合线性模型在实际当中的重要应用。     

线性模型中广义最小二乘估计关于误差分布的稳健性

研究一般线性模型下广义最小二乘估计关于误差分布的稳健性, 给出了误差分布的最大分布类, 使得当误差向量的分布在此范围内变动时, 广义最小二乘估计在广义均方误差准则下为一致最优估计.     

一类线性模型参数的Bayes估计及其优良性

导出了一类线性模型中参数的Bayes线性无偏估计.在均方误差矩阵准则、predictive Pit mancloseness(PRPC)和posterior Pit man closeness(PPC)准则下分别研究了Bayes线性无偏估计相对于广义最小二乘估计的优良性.     

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.     

测量单位对线性模型参数估计相对效率的影响

研究了测量单位的变化对线性模型BLU估计与LS估计四种相对效率的影响,利用矩阵的相关性质与运算,导出这四种相对效率随测量单位的变化而变动的范围。     

错误先验指定下Bayes估计与广义最小二乘估计的相对效率

讨论了在错误指定的先验假定下一般线性模型中回归系数的Bayes估计,提出了Bayes估计与广义最小二乘估计(generalized least square estimator,GLSE)的一种新的相对效率,证明了该效率的优良性质,同时导出了其上下界。