探讨回归系数的stein型主成分估计问题

设计阵X呈病态的线性回归模型,给出一种新的关于回归系数的有偏估计,即stein型主成分估计,且对偏参数的存在性。最优性进行了一些探讨。     

广义岭型主成分估计优良性研究

对有偏估计中的广义岭型主成分估计的优良性进行了较深入的研究.证明了广义岭型主成分估计优于最小二乘估计的充要条件,并在此基础上对几类常见的有偏估计在均方误差(阵)条件下优于最小二乘估计的充要条件进行了拓展.     

广义岭型组合主成分估计及其K值的选取

本文把岭型组合主成分估计拓广为广义岭型组合主成分估计＾α（ｃ）证明＾α（ｋ）能更有效地改善ＬＳ估计，并运用Ｑ（ｃ）准则得到广义岭型组合主成分估计的显示解及得到该解的迭代算法     

多元线性模型回归系数的广义根方估计

将根方估计作一拓广，提出了回归系数的广义根方估计，证明了广义根方估计能更有效地改善最小二乘估计，并给出了广义根方估计的显示解和确定偏参数的方法。     

广义岭估计及其相对效率

讨论了一般Gauss-Markoff模型中未知参数的广义岭估计，并证明了其优良性，比较了三种估计的分别基于方差和均方误差的相对效率，并给出了它们的上下界。     

半参数回归模型的广义Liu型估计

提出了半参数回归模型的广义Liu型估计,并在均方误差下与Esra Akdeniz Duran等人提出的半参数回归模型的Liu型估计β∧d=（X＇X＋1）-1（X＇y＋dβ∧）进行比较,在一定条件下,前者优于后者。最后,用实例验证了该结论.     

增长曲线模型回归系数的组合主成分估计

本文提出了增长曲线模型回归系数的一种新的有偏估计——组合主成分估计,在一定条件下证明了此估计优于最小二乘估计且是可容许估计,进一步,给出了这种估计与文献[4]中提出的主成分估计的关系。     

压缩主成分估计的一些性质

讨论了压缩主成分估计的一些性质，证明了在一定条件下，此估计比最小二乘估计有更小的广义均方误差并且在PC准则下也优于最小二乘估计．对Y的预测量做了比较。     

广义岭型主成分估计的优良性质

讨论线性回归模型的一种有偏估计广义岭型主成分估计,给出广义岭型主成分估计一些性质,证明在MSE和GMSE准则下是等价的并且优于最小二乘估计,在Pitman准则下优于最小二乘估计和岭型估计.进一步得到了在均方误差意义下广义岭型主成分估计是可容许估计的结论.     

线性回归模型回归系数的条件岭型估计

研究了线性等式约束的线性回归模型回归系数的一种有偏估计--条件岭型估计,给出了在均方误差意义下条件岭型估计优于回归系数的约束最小二乘估计的条件.     

广义曲线回归的小波估计

考虑广义回归模型 yi=g( ti) εi,1≤ i≤n,其中 g(· )为 R上的未知函数 ,误差 εi 是均值为零的平稳序列 .利用线性小波光滑的方法 ,讨论了 g(· )的小波估计 g(· )的收敛性 .     

广义相关时延估计算法的自适应实现形式

认为广义相关时延估计算法的缺陷是依赖对输入信号及噪声先验知识 ,特别是对其功率谱的了解 ,而在实际应用中 ,往往缺乏这种先验知识 ,只能以估计值来代替 ,从而影响时延估计精度 .自适应滤波器一般只需要很少或根本不需要任何关于输入信号和噪声的先验知识且性能良好 ,若用自适应滤波器替代广义相关法中的预滤波器就可放松或免除对输入信号和附加噪声的条件限制 ,提高时延估计的精度 ,广义相关时延估计算法时域中的预滤波器就是其频域中的权函数 .从理论上证明了 ,任何一个广义相关权函数 ,都能够变换成一个或几个 Roth处理器的组合形式 .实际上 ,Roth处理器就是自适应滤波器实现的、能对原始带噪信号做最优化估计的维纳滤波器 ,从而实现了自适应广义相关时延估计算法 .     

广义相关时延估计方法在漏水检测定位中的应用

广义相关时间延迟估计是解决时间延迟估计的重要方法.文章分析了应用广义相关时延估计方法处理管道泄漏噪声信号时间延迟估计问题.研究了广义相关时延估计方法在管道泄漏信号时延估计应用中的关键技术.计算机仿真结果表明广义相关时延估计方法可以有效的应用于管道漏检测定位中.     

典型相关系数与最佳线性无偏估计

利用随机向量间典型相关系数的个数,刻画了在一般Guass Markov模型下的Xβ的最佳线性无偏估计,并讨论了稳健性问题.     

群体相关下的一种回归分析

作连续调查研究抽样时经常用到回归估计。如果前后两个样本相互独立,并且它们所包含的元素不同,就无法直接计算出回归系数。本文在群体相关模型下给出了一种新的回归估计。模拟研究表明,当估计总体均值时,如果前后两个样本都来自大的总体,则新的回归估计与样本均值几乎一样好;如果前期样本来自大的总体,而后期样本来自一子总体,则在本文模拟的例子中,新的回归估计比样本均值要好。     

一类二元指数分布相关系数的估计

设二元随机变量(X,Y)的生存函数为F(x,y)=exp〔-λ_1x-λ_2y-λ_(12)Max(x,y)〕x≥0,y≥0 0 其它其中λ_1≥0,λ_2≥0,λ_(12)≥0,λ_1+λ_(12)>0,λ_2+λ_(12)>0.我们把这类二元分布记作BVE(λ_1,λ_2,λ_(12)).该文讨论(X,Y)的相关系数ρ的统计推断问题。这无论在理论上还是实际上都是有意义的。本文基于元件以及串联系统两者的试验数据,得到了λ_1=λ_2时ρ的估计ρ和没有λ_1=λ_2限制时ρ的估计ρ,并分别讨论了ρ和ρ的无偏性,强相合性和渐近正态性。     

PC准则下生长曲线模型回归参数阵广义岭估计的优良性

一般而言 ,PC准则是用来比较向量参数两个估计优劣的一种准则。本文将它推广应用于生长曲线模型回归参数阵的最小二乘估计和广义岭估计优劣性的比较。给出了广义岭估计在PC准则下优于最小二乘估计的条件     

约束线性回归模型回归系数的条件广义岭估计

提出了约束线性回归模型中回归系数的一种条件广义岭估计,讨论了它的优良性,证明了它在均方误差及均方误差矩阵下都优于约束最小二乘估计。     

Guass-Markov模型的广义抗差岭估计

对可能影响测量平差精度与稳定性的各种因素进行了分析,提出了一种新估计——广义抗差岭估计,理论分析和模拟计算结果均表明新估计不仅能同时抵抗设计阵病态性和观测值粗差的影响,而且能有效的消除高杠杆点的干扰,是一种性能良好的估计.