二次损失下正态线性模型中可估函数的一切可容许估计(英文)

研究二次损失函数下正态线性模型中可估函数的齐次线性估计在一切估计类中的可容许性.对于非负定协方差矩阵和设计矩阵具有一定关系的正态线性模型,得到可估函数的约束齐次线性估计在一切估计类中可容许性的充分条件,并证明了在进一步的条件下,该充分条件也是此估计在一切估计类中可容许的必要条件.     

二次损失下正态线性模型中可估函数的一切可容许估计(英文)

研究二次损失函数下正态线性模型中可估函数的齐次线性估计在一切估计类中的可容许性.对于非负定协方差矩阵和设计矩阵具有一定关系的正态线性模型,得到可估函数的约束齐次线性估计在一切估计类中可容许性的充分条件,并证明了在进一步的条件下,该充分条件也是此估计在一切估计类中可容许的必要条件.     

多元线性模型中回归系数矩阵的可估函数和协方差阵的同时Bayes估计及优良性

本文研究了在设计阵非列满秩情况下多元线性模型的Bayes估计问题.假定回归系数矩阵和协方差阵具有正态-逆Wishart先验分布,运用Bayes理论导出了回归系数矩阵的可估函数和协方差阵的同时Bayes估计.然后在Bayes Mean Square Error(BMSE)准则和Bayes Mean Square Error Matrix(BMSEM)准则下,证明了可估函数和协方差阵的Bayes估计优于广义最小二乘(Generalized Least Square,GLS)估计.另外,在Bayes Pitman Closeness(BPC)准则下研究了可估函数的Bayes估计的优良性.最后,进行了Monte Carlo模拟研究,进一步验证了理论结果.     

回归系数混合估计与最小二乘估计的相对效率

研究了线性回归模型中,当设计矩阵列降秩时可估函数的混合估计与最小二乘估计的相对效率,利用矩阵的相关性质及运算,导出了相对效率的界.     

可估子空间上一般随机效应模型的比较

对于具有已知对称非负定协方差阵的一般随机效应模型,通过比较回归系数和参数线性可估函数的最优线性无偏估计方差的大小,给出了一个随机效应模型至少与另一个随机效应模型一样好的定义,并在可估空间的子空间上对两个随机效应模型进行比较,通过利用矩阵的广义逆理论和方法,得到了一个随机效应模型至少与另一个随机效应模型一样好的充分必要条...     

纵向数据分析中使用滑动平均Cholesky分解对回归均值和协方差矩阵进行同时半参数建模(英文)

近年来,对纵向数据分析中回归均值和协方差矩阵同时进行建模研究得到越来越多的关注.为满足协方差矩阵的正定性约束,文献中常考虑对其逆矩阵进行某种分解.本文使用一种Cholesky分解方法对协方差矩阵本身进行分解,得到的参数没有取值限制且有着明确的统计意义.具体地,分解后的参数可以视为滑动平均序列的系数和对数更新方差,且在整个实轴上取值无限制.考虑到模型的稳健性和推断的有效性,提出了一种对回归均值和协方差矩阵同时进行半参数建模的方法,并利用广义估计方程和B样条给出了半参数模型的估计方法,得到了参数部分估计的渐近正态性以及非参数部分估计的最优收敛速度.最后通过模拟和实例分析对所提方法进行了数值研究.     

方差分量模型中线性估计的最优性及可容许性

将随机效应线性模型和方差分量模型合并为一种模型,即具有随机回归系数的方差分量模型;给出了随机回归系数和参数的线性可估函数的最优线性无偏估计以及在矩阵损失函数下的可容许性;在正态假设下,讨论了线性估计在一切估计类中的可容许性.     

混合系数线性模型参数的可容许估计

在二次损失和矩阵损失下,提出了混合系数线性模型的可估参数向量Sd在线性估计类中的可容许估计。同时分别讨论了固定系数α和随机系数期望b的可容许估计。     

混合系数线性模型参数的可容许估计

利用二次损失函数和矩阵损失函数,给出混合系数线性模型的可估参数向量Sd在线性估计类中的可容许估计,并且分别讨论固定系数α和随机系数期望b的可容许估计.     

二次损失下可估函数在非齐次估计类中的条件Minimax可容许性

在二次损失下,关于任意矩阵V讨论了一般Gauss-Markov模型在非齐次线性估计类中可估函数的条件Mimimax可容许性.得出带约束的一般Gauss-Markov模型的可估函数在非齐次估计类中Minimax可容许的充分必要条件.     

一般增长曲线模型参数阵的线性容许Minimax估计

对于一般的增长曲线模型,在适当的假设下分别探讨了参数阵的线性可估函数在给定的齐次线性估计类和非齐次线性估计类中的容许Minimax估计,并给出了具体的表达式.     

解决线性规划系统识别问题的新方法

对一类特殊的逆线性规划问题———线性规划系统识别———进行研究,即试图通过给定的输入-输出数据来估计线性规划模型的技术系数矩阵以及目标函数系数.构建了估计技术系数矩阵的行估计模型,并对该模型进行改进得到更好的估计模型;基于Troutt提出的最大决策效率方法,构建了估计标准化目标函数系数的模型;通过两个数值算例说明该估计方法具有良好的表面有效性,且符合提出的后续验证准则.     

GM模型参数识别方程组性态的初步讨论

通过对三个算例的讨论，指出在参数识别方程组系数矩阵的条件数较大的情况下，当建模原始数据具有系统误差时，方程组并不呈现出病态；在个别原始数据具有误差时，方程组会出现病态，据此对建立的灰色系统模型，进行参数识别提出了相应的建议。     

响应变量缺失下变系数模型的分位数回归

针对响应变量随机缺失情况下变系数分位数回归模型的非参数估计问题,提出了将B样条和逆概率加权相结合的估计方法。缺失数据在统计工作中难免会遇到,首先用logistic模型产生响应变量的缺失概率,然后对变系数模型的系数函数采用B样条逼近技术,利用缺失概率构建逆概率加权分位数回归的损失函数,得到模型的未知系数函数估计;在模拟研究中,将得到的估计与直接使用完全数据的估计方法进行对比,发现在响应变量随机缺失下,将B样条和逆概率加权相结合的变系数模型分位数回归在有限样本情况下表现良好,模拟研究结果表明该方法有效;最后将所研究的方法运用到挪威公共道路管理局收集的奥斯陆地区相关数据中,研究了空气中二氧化氮浓度与道路车流量和风速之间的关系,得出合理的结论,进一步证明了该方法的合理性。     

求解多元多重线性回归系数的BP算法

提出了一种基于SCNN的求解多元线性回归系数的改正的BP算法.该算法的基本思想是先将回归系数的估计转化为求相应线性方程组的最小二乘解;然后用BP算法求得方程组系数矩阵的左逆阵,得到方程组的解.算法中不存在除法运算,且便于在计算机上实现.     

矩阵方程X+A~TX~(-1)A=I的正规亚正定解

推导出矩阵方程Ｘ＋ＡＴＸ－１Ａ＝Ｉ有正规亚正定解的充要条件，从而得到了它的反问题有解的充要条件及其解的一般形式，并给出其解的谱半径估计。     

基于代入法的约束线性模型的参数估计

本文利用代入法研究带约束条件的一般线性模型的参数估计问题，当线性模型中固定效应参数β附带线性约束条件时，在不同的协差阵和设计阵结构下，提出了可估函数c′β的约束估计，并给出其优良性质。     

随时间变化系数参数AR模型的Bayes估计

采用Bayes方法,给出一维随时间变化系数自回归时间序列模型(TVPAR模型)中各参数的Bayes估计.选取未知参数的先验分布为均匀分布和逆伽马分布,采用MCEM算法,给出了模型中各参数的估计算法,并对模型进行了模拟计算与实证分析.     

广义混合型Lyapunov矩阵方程多参数迭代校正方法

讨论广义混合型Lyapunov矩阵方程AX+XB+CXD=F的多参数迭代校正方法.给出了迭代收敛的充要条件和参数的选取方法,同时运用一个整体校正模型改善了迭代的收敛性.当方程相容时,该算法对方程的系数矩阵无特殊限制.