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。     

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.     

一般岭估计的效率

本文讨论了一般Gauss-Markif模型中未知参数向量的最优线性无偏估计的改进问题,引入了一般岭估什的概念及一种新的相对效率,证明了此种效率定义的合理性,并在岭参数的一定限制下,给出了这种估计效率的一个下界。     

生长曲线模型的几乎无偏岭估计

本文用几乎无偏岭估计来估计生长曲线模型中的回归系数,表明了在均方误差意义下,几乎无偏岭估计优于岭估计,并通过实例验证了该结果。     

平衡损失函数下几乎无偏估计的统计性质

在平衡损失函数下, 讨论线性回归模型中几乎无偏Liu估计与几乎无偏Stein岭型主成分估计的统计性质. 分别给出几乎无偏Liu估计与几乎无偏Stein岭型主成分估计在平衡损失函数下的风险, 并在不同条件下讨论这两种风险的关系.     

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。     

广义岭估计优于LS估计的一个充分条件

本文对线性回归模型给出了其参数β的广州岭估计优于LS估计的一个充分条件,从而把文献中,岭估计优行LS估计的充分条件统一起来。     

Bayes线性无偏最小方差估计相对于岭估计的优良性

在均方误差矩阵准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于岭估计的优良性,在平衡损失风险函数准则下研究了未知参数的BLUMV估计相对于岭估计的优良性,并导出了在一定条件下BLUMV估计与最小二乘估计趋于一致.     

一般广义岭估计的效率

把文 [1]所定义的相对效率 1- MSE βMSE β对一般Gauss -Markov模型下的岭估计的讨论推广至广义岭估计。并比较了一般岭估计与广义岭估计在此种效率下的下界     

岭型主成分估计在降维估计类中的最优性

研究岭型主成分估计在岭型降维估计类中的性质。在不同的条件下,证明了岭型主成分估计有某些最优性质。     

最小二乘估计和最佳线性无偏估计的关系

本文讨论广义线性模型的均值向量的最小二乘估计和最佳线性无偏估计的关系,得到了它们相等的充要条件以及它们的偏差关系和偏差范数估计;并在欧氏范数下,进一步讨论了这种偏差估计。     

关于渐近中位无偏估计的渐近效率(英文)

本文在几种重要的分布族中,给出了渐近中位无偏估计的渐近效率的一种定义。给出了如下一些结果：在单参数族中,提出了构造渐近有效的渐近中位无偏估计的一种方法,在具有共同支撑集的分布族中,论证了渐近中位无偏有效估计与ＢＡＮ估计之间的等价值;而在非共同支撑集的截断族中,对一般的参数向量函数构造了它们的渐近中位无偏估计,并且计算出了它们的渐近效率。     

增长曲线模型的两步估计及其优良性

讨论了增长曲线模型回归参数阵的两步估计问题,给出了回归参数阵的可估函数的两步估计具有无偏性的一个基本结论,并验证了两种常见两步估计均具有无偏性．     

最佳线性无偏估计中的W-K统计量

本文提出了最佳线性无偏估计中的W-K统计量，用它讨论了数据的影响，并建立了它与相关系之间的关系，推广了文献[1]和[2]的结果。     

SURS中回归系数GCIE系列的极限问题

讨论了半相依回归系统（ＳＵＲＳ）中回归系数的广义方差改进估计（ＧＣＩＥ）的效率问题,得出了几种估计的效率度量公式在极限意义下等价的结论,以该结论为基础,我们对一些简单的协方差铁ＳＵＲＳ中间归系数的ＧＣＩＥ系列进行计算机模拟,得到了ｍ＝３时,在这些模型下,ＧＣＩＥ的极限便是阳佳线性无偏估计的结论。     

定向非均衡模型的估计

讨论了样本分割已知的一类非均衡计量经济模型———定向模型的估计问题。文中给出了一种估计方法,并证明了所作的调整满足无偏性要求。     

回归分析中复共线性的处理

近年来,对于回归分析中复共线性问题的研究。一直占有相当重要的地位。许多统计工作者在这一领域内进行了深入的研究。并取得了非常丰富的成果。本文在他们研究的基础上,系统地阐述了复共线性产生的原因及消除这种复共线性所采取的种种方法,并且富有成效地引入了线性模型中回归系数估计的一种估计类,使得一些非常重要的估计,如最小二乘估计、岭估计、Stein估计等都在这一估计类中得到了统一的描述。最后,本文还通过理论分析丛实例演示论证了在这个估计类中,各种回归系数估计有着和其他工作者所得到的相容的结论。     

双侧截尾时双参数指数分布的BLUE

给出了双参指数分布在双侧截尾情况下未知参数σ和θ的最佳线性无偏估计（简记BLUE）和它们的方差．