线性回归模型中的渐近最优性

对线性回归中系数的一类估计给出了理论上的最优均方误差.证明了渐近意义下最小二乘估计和lasso估计均不具有最优均方误差性.最后给出了一个具有渐近最小均方误差的回归估计.     

辅助变量与扰动项相关情况下的回归估计

讨论了辅助变量与扰动项相关条件下的回归估计,给出了在这种条件下回归估计量的偏差和均方误差以及均方误差的估计.     

多阶段抽样回归估计及其样本量的选择

讨论多阶段抽样回归估计及其样本量选择问题 .给出了回归估计抽样均方误差的公式及其渐近无偏估计的公式 ,并在调查费用给定下 ,给出了在各阶段的样本量为等比例情况下 ,各阶段样本量最优选择的一般结果     

多元联合回归估计

本文提出了多元线性模型回归系数的一种新的有偏估计—联合回归估计。在一定条件下，证明了此种估计优于最小二乘估计、主成份估计和组合主成分估计，且在均方误差意义下是可容许估计。     

两个比率的比率估计量

给出了同一样本在两个时期比率的比率估计量的偏差、估计量的均方误差以及均方误差的估计。     

一类相依回归系统参数的根方估计

本文提出了一类相依回归系统回归参数的根方估计,证明了当设计矩阵呈病态时,根方估计的均方误差小于协方差改进估计的均方误差。     

比率估计量均方误差的近似值及其估计量的偏差

改进了比率估计的均方误差 ,给出了偏差的价为 1/n3 的比率估计量均方误差及其估计     

LMS算法中稳态均方误差的研究

该文详细讨论了ＬＭＳ算法中输入信号相关性，加权数目和稳态均方误差的关系。通过公式推导，从理论上证明了增加加权数目并不能保证减小稳态均方误差。对于具体的输入信号?存在一个最佳的加权数目，使稳态均方误差最小，再增加权数目，稳态均方误差有增大的可能。     

岭回归估计均方误差的重要特性及其应用

通过深入分析单参数岭估计β（k）的均方误差MSE（β（k），得到了它的一个重要特性。并把较优均方误差的存在范围由（0,σ∧2/maxa∧2γ）扩大到（0.2σ∧2/maxa∧2γ）；同时，还得到了较优均方误差的另一不可替代的存在范围（0，2σ∧2minλγ/（maxλγα∧2γ-σ∧2）；以及最优均方误差的存在范围[σ∧2/maxα∧2γ，σ∧2/minα∧2γ]，并结合实际问题，给出了岭参数k值选的算法实例。     

相依误差线性模型中的主成分s-K估计

为同时克服线性回归模型的自相关性和回归变量间的复共线性,通过融合主成分回归估计和s-K估计,提出一类新估计,称为主成分s-K估计;并在均方误差阵意义下,得到了这类估计分别优于广义最小二乘估计、主成分估计、r-k和s-K估计的充要条件.Monto Carlo数值模拟表明,新估计是一种同时克服自相关性和复共线性的有效方法.     

MC DS-CDMA系统中信道估计器的比较

首先介绍了几种多载波码分多址(CDMA)系统,然后建立了MC DS-CDMA系统模型,在该系统中进行最小二乘(LS),线性最小均方误差(LMMSE)和最大似然(ML)3种信道估计器的研究,并对其均方误差(MSE)和误码率(BER)性能进行了仿真,LS实现最简单,但性能最差,LMMSE计算量大,性能优于LS,ML性能最佳,且其计算复杂度低于LMMSE。     

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.     

非齐次等式约束下奇异型线性回归模型的广义条件岭估计

文章对线性回归模型参数有偏估计做进一步研究,提出了在非齐次等式约束下奇异型线性回归模型参数的广义条件岭估计,并给出它的一些性质,而且证明了在一定条件下,在均方误差阵和广义均方误差意义下,广义条件岭估计都优于约束最小二乘估计.最后,通过实际数据进行实证分析,得到了取不同岭参数矩阵时对应的广义条件岭估计及其MSE,验证了广义条件岭估计优于约束最小二乘估计的充分条件的正确性.     

稳健经验似然估计方法

在经验似然方法的基础上提出了一种稳健的经验似然估计方法,在约束条件的估计方程中使用权重函数以及有界得分来限制异常点的影响。通过数值模拟研究该方法的稳健性。模拟结果表明,相比普通的经验似然估计,提出的稳健经验似然方法在数据中存在异常值的情况下所得估计的均方误差更小。同时对于非正态的厚尾分布数据,提出的稳健经验似然估计也在均方误差意义下更优。     

逆瑞利分布的有效估计

推导逆瑞利分布的密度函数和分布函数的MLE和UMVUE,并给出估计量r阶矩的精确表达式。对估计量的均方误差和变异系数做渐进展开,在大样本下给出逆瑞利分布有效估计的判断条件。     

回归系数的线性有偏估计

给出回归系数的最小均方误差线性有偏估计、线性有偏估计优于最小二乘估计的充要条件及线性有偏估计为可容许估计的充要条件,同时给出文献中未涉及的一些有偏估计．     

基于记录值的几何分布模型的Bayes可靠性分析

针对来自几何分布的记录值样本,研究可靠度参数的Bayes估计问题.首先给出可靠度的最大似然估计和最小方差无偏估计;在可靠度参数的先验分布为贝塔分布、损失函数为平方误差损失和一类新的加权平方损失函数下,导出了可靠度的Bayes估计;最后通过Monte Carlo数值模拟例子说明论文给出估计的有效性.     

半相依回归模型两步估计的均方误差占优性

一般得到了两方程相依回归模型的任一线性估计在均方误差准则下优于最小二乘估计的充要条件，据此提出一种新的广义非限定两步估计类（非线性），推导得到了这种两步估计的精确均方误差结果，研究了它优于最小二乘估计，甚至优于Zellner估计的统计性质。     

多元线性FRM结构参数的约束LSE的强相合性

多元线性函数关系模型(FRM)是多元线性Errors—in—Variables统计模型的一种，该文针对具有一般误差协方差阵结构的多元线性FRM，在一定的条件下证明了其结构参数的约束最小二乘估计量的强相合性。     

带有线性测量误差的半参数EV模型的估计

研究一类带有线性测量误差的半参数EV模型的估计问题.通过综合利用核光滑方法、修正最小二乘法和广义最小二乘法给出未知参数和未知函数的估计.在一般条件下,证明了未知参数估计的渐近正态性并给出了未知函数估计的收敛速度.