混合模型的一种新的相对效率

研究了带附加信息的混合模型回归系数的估计,在考虑混合估计和LS估计协方差阵之间进一步联系的基础上,给出度量混合估计和LS估计差异的相对效率的一种新定义,并利用矩阵不等式分别求出新相对效率的上、下界.     

线性模型中回归系数混合估计的相对效率

设线性回归模型中回归系数的最小二乘（least square，LS）估计和混合估计分别为β与βm．当设计阵X列满秩时，获得了相对效率e1（β，βm）=det[Cov（βm）]／det[Cov（β）]以及e2（β，βm）=tr[Cov（βm）]／tr[Cov（β）]的界；当X不是列满秩时，设可估函数c′β的LS估计和混合估计分别为c′β和c′βm，获得了相对效率e3（c′β，c′βm,）=Var（c′βm）／Var（c′β）的界．     

线性模型中参数估计的一个新的相对效率

对于线性模型ｙ＝Ｘβ＋ε,Ｅ（ε）＝０,ＣＯＶ（ε）＝σ＾２∑〉０,我们定义了一种新的相对效率,并研究了它与其它相对效率的关系,以及给出了它的一个下界。     

线性模型的新的两参数估计

基于最小二乘估计在复共线性存在时的不足,提出线性模型参数估计的一种新方法——新的两参数估计.首先,给出该估计的若干条基本性质——最小二乘估计的线性变换、具有有偏性、压缩性和可容许性.其次,在均方误差矩阵的意义下,证明该估计优于最小二乘估计和旧的两参数估计.     

一般线性回归模型的参数估计

传统的最小二乘估计在处理一般线性回归模型的参数β和σ2的估计问题时,若遇到异常数据模型拟和得往往不好,现提出另一种估计方法:修正的最小二乘估计.结果表明此方法在处理异常数据时具有明显的优越性.     

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

对于奇异线性模型，引入了参数β的最小二乘估计相对于最佳线性无偏估计的一种新的相对效率，给出了与其他两种相对效率的关系，导出了该效率的上下界．     

一类线性回归模型的参数估计

考虑一类多总体线性回归模型,其特点是它们均具有部分相同回归系数.采用各个子总体内样本利用最小二乘方法估计回归参数,然后依据样本容量进行加权估计公共回归系数,最后把公共回归系数回代到各个线性回归模型,利用最小二乘方法估计不同部分系数.理论结果表明,此种方法得到的估计量,不仅是无偏估计,而且方差比用单个子总体样本得到的最小...     

一类线性混合模型中的参数估计

把一类线性混合模型化为满足假设的线性模型,然后用最小二乘法、估计法给出线性混合模型中参数的估计.     

奇异G-M模型参数估计的相对效率

研究了在奇异线性模型下参数估计的相对效率并研究了它的下界以及与广义相关系数的关系。     

线性模型中参数估计的相对效率

对于一个线性模型,如果最小二乘估计(LSE)与最佳线性无偏估计(BLUE)相等,就可以放心地用LSE代替BLUE;反之,用LSE代替BLUE就要蒙受一些损失,有时,这种损失可能是很大的,因而研究这种损失的大小就显得颇为重要.考虑一般线性模型y=Xβ+ε,E(ε)=0,cov(e)=σ2∑,定义了LSE相对于BLUE的两个新的相对效率,并给出了它们的上界.     

权回归模型中参数估计的相对效率

考虑加权回归模型,定义了一种新的相对效率,并给出了相对效率的下界,同时讨论了新的相对效率与其它三种已有相对效率的关系。     

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。     

混合系数线性模型参数的一种新估计及相对效率

在连续测量数据的情况下,给出了固定系数а和随机系数b的一种新估计,并引入了一般广义岭估计的概念且证明了其优良性。提出了关于这种新估计的三种相对效率,并给出了它们的上界或下界。     

非齐次等式约束线性回归模型的条件根方估计的效率

对非齐次约束线性回归模型的狭义条件根方估计和广义条件根方估计进行讨论.利用相对效率定义比较两种根方估计的效率,证明在一定条件下,广义条件根方估计的效率不低于狭义条件根方估计,在根方参数的限制下比较了它们的下界之间的关系,从而可选择适当的根方参数,使广义条件根方估计就均方误差而言更具有良好的性质.     

基于最大特征根的相对效率的下界估计

定义了广义线性模型中参数的最小二乘估计(LSE)与最佳线性无偏估计(BLUE)的一种新的相对效率,这种相对效率定义为参数估计量的协方差阵的最大相对特征根之比.给出了当设计矩阵满秩,协方差阵非负定时这种新的相对效率的下界,研究了新的相对效率与广义相关系数之间的关系.由本文的讨论可见,当广义线性模型与主成分分析、典型相关分析方法结合应用时,这种相对效率具有很强的实用价值.     

基于最大特征根的相对效率

该文从最大特征根出发,定义了相对效率e4(β),研究了当设计矩阵X满秩,协方差阵∑正定时e4(β)的下界为δpλn-p+1/(δ1λ1),讨论了e4(β)与广义相关系数ρz(3)之间的关系.