回归系数的混合估计与最小二乘估计的相对效率

本讨论线性回归模型中,回归系数的混合估计与最小二乘估计的相对效率问题,研究了两种不同相对效率的上、下界。     

回归系统的一种有偏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线性回归系数的一种有偏估计相对于广义最小二乘估计的优良性问题及其他统计性质,并导出了它们的相对效率的界.     

权回归模型中参数估计的相对效率

讨论了线性加权回归模型中最小二乘（ＬＳ）估计与最佳线性无偏（ＢＬＵ）估计的一种相对效率问题,即ｅ５（β）,并研究了它的下界及其与广义相关系数的关系。     

奇异线性模型最小二乘估计的相对效率

在奇异线性模型下讨论相对效率ei(β）,1≤i≤2的下界及其与广义相关系数和联系,随后简单地讨论了这两种相对效率的关系和比较。     

面板数据复合分位数回归模型的渐进相对效率

针对面板数据个体固定效应复合分位数回归模型,研究回归系数估计的渐进相对效率.采用计算复合分位数回归估计和最小二乘法估计的协方差矩阵的迹的比值,计算结果表明复合分位数回归相对于最小二乘法的渐进相对效率的比值大于70%.还将Zou在2008年提出的适应性lasso的想法应用于此面板数据个体固定效应复合分位数回归模型,构造出适应性lasso惩罚复合分位数回归估计,并在适当条件下证明其估计的渐进性质.     

二维极值分布的参数估计

所有的二维极值分布Ｌ（ｘ，ｙ）可以写成以下形式：Ｌ（ｘ，ｙ）＝ｅｘｐ｛－（ｅ－ｘ＋ｅ－ｙ）ｋ（ｙ－ｘ｜θ）｝其中ｋ（ｗ｜θ）称为相关函数，θ为参数常见的二维极值分布有四种类型，类型Ａ，Ｂ，Ｃ，Ｄ参数θ的估计方法通常采用象限法，本文对类型Ａ提出一种新的估计方法并证明该方法是无偏的，渐近正态分布且比象限法相对有效     

一种基于广义高斯分布的自调节盲水印检测算法

根据数字图像离散余弦变换域交流系数的广义高斯分布模型, 在符号检测器和线性相关检测器的基础上, 提出一种盲水印自调节的检测算法, 并推导出该检测器有较高的检测效率. 实验表明, 该调节检测器的性能优于线性检测器的性能.     

广义岭估计及其相对效率

讨论了一般Gauss-Markoff模型中未知参数的广义岭估计，并证明了其优良性，比较了三种估计的分别基于方差和均方误差的相对效率，并给出了它们的上下界。     

Gauss—Markoff和方差分量模型中LSE的一种新的相对效率

对Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型：Ｙ＝Ｘτ＋ｅ，ｅ￣（０，ο＾２Ｖ），Ｖ≥０，τ的ＬＳＥ的一种新的相对效率被提出来并得到了其下界，对方差分量模型：Ｙ＝Ｘτ＋ｅ，ｅ￣（０，ｍΣｉ＝１ο＾ｉＶｉ），Ｖ＝ｍΣｉ＝１Ｖｉ≥０，τ的ＬＳＥ的一种新的相对效率也被提出来并得到了独立于未知参数的下界。