双向分类随机效应模型的Outlier检验方法

本文主要研究平衡的双向分类随机效应模型中Ｏｕｔｉｌｅ（异常值）的检验问题。给出了在主效应上出现Ｏｕｔｌｉｅｒｓ的检验方法，导出Ｏｕｔｉｌｅｒ检验统计量及其分布，并对检验的功效函数进行讨论，最后，运用模拟数据说明本文方法的有效性。     

Comparison between Minimax and GLS Estimators in Linear Regression Model with Ellipsoid Restrictions

对于线性回归模型Ｙ＝Ｘβ＋ε,ε～（０,σ２Ｗ）,其中σ２＞０,Ｗ为正定矩阵．当未知参数β受到椭球约束时,文中分别在矩阵均方误和加权均方误意义下比较了β的Ｍｉｎｉｍａｘ估计（ＭＩＬＥ）与广义最小二乘估计（ＧＬＳＥ）之差异,并分别导出了在此两种意义下ＭＩＬＥ优于ＧＬＳＥ的充分必要条件．     

双向分类随机交互效应模型中均值滑动模型的异常值检验

在双向分类随机交互效应模型中，文中引入了交互效应及误差变量上的均值滑动模型，并导出了相应的检验统计量以及它们在零假设及备择假设下的分布．在数据中有异常值出现的情况下，给出了一个检验过程．最后通过一组模拟数据进行了分析