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。     

线性模型中的一类相对效率的推广

对于线性模型y=Xβ ε,E(ε)=0,Cov(ε)=V>0,定义了一种新的相对效率e5(■(D))=[tr(Cov(β*))q/tr(Cov(■(D)))q]1q(q≥1),研究了它与其他相对效率的关系,以及给出了它的一个下界.     

生长曲线模型中基于最小特征根的相对效率

对生长曲线模型的最小二乘估计（LSE）与最佳线性无偏估计（BLUE）定义了一种新的相对效率,新的相对效率定义为最上特征根的比值,研究了它的下界,并讨论了它与已有的三种相对效率之间的关系.     

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，σ￣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：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。     

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。     

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。     

聚集数据的线性模型参数估计的加权相对效率

就聚集数据的线性模型参数估计的相对效率，作者提出一种新的定义──加权相对效率，并给出其上、下界．同时还讨论了加权相对效率与文献［２］中相对效率的关系．     

奇异线性模型相对效率的下界估计

定义了奇异线性模型的两种相对效率e2(β)和e5(β)，利用矩阵代数工具给出了e2(β)和e5(β)的3个下界估计，并且得到了一些矩阵不等式．     

带约束的Kantorovich不等式及其在LSE相对效率中的应用

本文给出了一种约束的Ｋａｎｔｏｒｏｖｉｃｈ不等式并将其就用于Ｇａｕｓｓ－Ｍａｒｋｏｖ模型和方差分量模型中ＬＳＥ的相对效率研究，得到了其下界，这些下界比起用不约束的Ｋａｎｔｏｒｏｖｉｃｈ不等式给出的下界更尖。     

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一种新的相对效率

对于线性模型中未知参数的最小二乘估计,本文给出了一种新的相对效率,并研究了它的性质且给出了其下界,最后讨论了该相对效率与其它几种相对效率间的关系。     

线性模型参数估计中的效率

对一般的ＧａｕｓＭａｒｋｏｆ模型：Ｙ＝Ｘβ＋ｅ,Ｅ（ｅ）＝０,Ｃｏｖ（ｅ）＝σ２Ｖ,Ｖ≥０,给出了μ＝Ｘβ的最小二乘估计的３种相对效率和它们的下界．对一般的方差分量模型：Ｙ＝Ｘβ＋ｅ,Ｅ（ｅ）＝０,Ｃｏｖ（ｅ）＝∑ｔｉ＝１θｉＶｉ,θｉ＞０,Ｖｉ≥０,相拟地定义了μ＝Ｘβ的最小二乘估计的３种相对效率并给出了它们的下界．     

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。     

相对效率与广义相关系数

对于线性模型y=Xβ+ε,E(ε)=0,cov(ε)=V>0,在错误地把协方差阵取为cov(ε)=D>0的条件下,对于一种新的相对效率,本文研究了它与某些广义相关系数的关系.