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.     

一类线性模型参数的Bayes估计及其优良性

导出了一类线性模型中参数的Bayes线性无偏估计.在均方误差矩阵准则、predictive Pit mancloseness(PRPC)和posterior Pit man closeness(PPC)准则下分别研究了Bayes线性无偏估计相对于广义最小二乘估计的优良性.     

线性模型中Bayes线性无偏最小方差估计的优良性

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(Bayes linear unbiased minimum variance estimator,BLUMV)估计相对于最小二乘(least square,LS)估计的优良性,并讨论了3种不同相对效率的界.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.     

正态-逆Gamma先验下线性模型中回归系数和误差方差Bayes估计的改进

在正态 逆Gamma先验下, 研究线性模型中回归系数和误差方差Bayes估计的优良性, 改进了已有的结果, 去掉了附加条件. 在Pitman准则下, 证明回归系数的Bayes估计优于最小二乘估计(LSE), 并讨论误差方差的Bayes估计在均方误差准则下相对于LSE的优良性. 最后进行Monte Carlo模拟研究, 进一步验证了理论结果.     

平衡损失下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最小二乘(LS)估计的优良性.在predictive Pitman closeness(PRPC)准则下研究了BLUMV估计相对于LS估计的优良性.     

平衡损失函数下Bayes线性无偏最小方差估计的优良性

在平衡损失风险函数准则下研究了未知参数的Bayes线性无偏最小方差(BLUMV)估计相对于最优加权最小二乘(OWLS)估计的优良性,并导出在一定条件下二者趋于一致。在PRPC(predictive Pitman closeness criterion)准则下研究了BLUMV估计相对于OWLS估计的优良性。     

单向分类方差分析模型中参数的Bayes估计及其优良性

对平衡的单向分类方差分析(ANOVA)模型导出了效应参数向量可估函数的线性Bayes无偏估计(LBUE),并在均方误差矩阵(MSEM)准则、predictive Pitman closeness(PRPC)准则和posterior Pitman closeness(PPC)准则下分别讨论了它相对于最小二乘估计(LSE)的优良性.     

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.     

正态总体误差方差的经验Bayes估计及其优良性

对正态总体误差方差在共轭先验分布和加权平方损失下导出了其Bayes估计,构造了其参数型经验Bayes(PEB)估计,研究了其在均方误差(MSE)准则下相对于一致最小方差无偏估计(UMVUE)的优良性.当先验分布中的超参数完全未知时,通过数值模拟比较了PEB估计和UMVUE的均方误差,获得了PEB估计的优良性.     

线性模型广义最小二乘估计的中偏差、重对数律与相对效率

对回归模型进行适当变换,得到了线性模型广义最小二乘估计的中偏差及重对数律,并且在均方误差矩阵准则下得到了Bayes（BE）估计与广义最小二乘估计的2种不同相对效率的上下界．     

错误指定模型中回归系数混合估计的小样本性质

在均方误差矩阵（ＭＳＥＭ）准则和ＰｉｔｍａｎＣｌｏｓｅｎｅｓ（ＰＣ）准则下,本文比较了错误指定的线性回归模型中回归系数的混合估计相对于最小二乘估计的优良性     

半参数回归模型中参数的Bayes估计

导出了半参数回归模型中参数的Bayesian最小风险线性无偏估计(BMRLUE),研究了其在均方误差矩阵(MSEM)准则、PRPC和PPC准则下相对于最小二乘加权估计(LSWE)的优良性.     

增长曲线模型中回归系数阵混合估计的Pitman优良性

在Pitman准则下比较了增长曲线模型中回归系数阵的最小二乘估计与混合估计的优劣，给出了混合估计在Pitman准则下优于最小二乘估计的条件．     

线性模型中回归系数广义岭估计的小样本性质

在均方误差矩阵准则和Pitman closeness（PC）准则下讨论了线性回归模型中回归系数的广义岭估计相对于最小二乘估计的优良性及其相对效率的界．     

一种基于Huber函数的塔康方位稳健估计算法

为抑制峰值检测器提取的塔康峰值包络中野值的影响,提出了一种方位稳健估计算法。利用基于最大似然准则的Huber函数压缩大于门限的误差,减小野值在算法中的权重。并采用双重门限对Huber函数作了改进,消除较大野值的权重,对较小的野值进行压缩,给出了门限参数的选取依据。该方法不需要噪声的先验统计知识,能有效抑制野值的影响。仿真结果表明:所提算法的参数估计精度较传统的Huber估计器和最小二乘算法(Least Square)有明显提高,在3 dB功率信噪比环境下,估计误差小于0.5°,满足塔康系统要求。     

多元线性模型回归参数的一种广义估计

采用广义估计 β (K)估计多元线性模型中回归参数 β ,通过K值的选取 ,可使 β (K)的均方误差小于最小二乘估计 β 的均方误差 ,且在一定条件下 ,β (K)为 β的可容许估计 ;还讨论了 β (K)的均方残差的性质 .