混合系数线性模型参数的岭估计

在连续测量数据情况下,针对模型的复共线性,给出了混合系数线性模型参数的两种岭估计,讨论了岭估计的相关性质,并证明了在均方误差意义下,通过选取适当参数,岭估计可优于最小二乘估计,最后讨论了岭估计的可容许性并给出了岭参数的选取方法。最终得到了岭参数的最优估计。     

线性模型中的加权混合几乎无偏两参数估计

主要讨论了随机约束线性模型的有偏估计问题,提出了一种新的加权混合几乎无偏两参数估计.证明了加权混合几乎无偏两参数估计在二次偏差的准则下优于加权混合两参数估计,并给出了在均方误差矩阵准则下新估计优于其他相关估计的充要条件.     

混合系数线性模型参数的根方估计

针对连续测量数据，给出了混合系数线性模型参数的根方估计ｄ（ｋ）和ｄ（ｋ）（０＜ｋ＜１），并且证明了通过根方参数ｋ的选取，可使根方估计ｄ（ｋ）和ｄ（ｋ）的均方误差（ＭＳＥ）分别小于最小二乘估计（ＬＳＥ）ｄ和ｄ的ＭＳＥ     

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根方估计

针对连续测量数据，给出了混合系数线性模型参数的根方估计ｄ（ｋ）和ｄ（ｋ）（０〈ｋ〈１），并且证明了通过根方参数ｋ的选取，可使根方估计ｄ（ｋ）和ｄ（ｋ）的均方误差分别小于最小二乘估计ｄ和ｄ的ＭＳＥ。     

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.     

混合系数线性模型参数的局部根方估计

在连续测量数据情况下,给出了混合系数线性模型参数的局部根方估计dL(k)和dL(k)(0相似文献   

混合系数线性模型参数的一类有偏估计

在连续测量数据的情况下,针对模型的复共线性,本文给出了混合系数线性模型参数的一类有偏估计,称之为s-K-B估计。在一定条件下证明了这类估计分别优于岭估计,Stein估计,s-K估计以及最小二乘估计。     

混合系数线性模型参数的一种新估计

在连续测量数据的情况下,针对模型的复共线性,给出了混合系数线性模型参数的一类新的有偏估计d*ω=(C'M-1C+I)-1(C'M-1Z+ωd*),证明了在一定条件下该估计优于GLS和岭估计,并讨论了该估计的可容许性,最后又给出了该估计的广义形式.     

降秩正态线性模型参数的无偏估计

降秩正态线性模型的参数是不可估的。针对这一情况,在可识别性约束条件下,证明了降秩正态线性模型正规方程系数矩阵的逆是原模型正规方程系数矩阵的一个广义逆,进而得出可估函数的最小二乘估计是最优无偏估计的结论。同时,推导了一般协方差分析模型的参数估计的公式,举例证明单协变量两向协方差分析的一般解算方法。     

Poisson回归模型的几乎无偏Liu估计

针对Poisson回归模型中解释变量存在复共线性问题,结合几乎无偏的思想提出了参数的几乎无偏Liu估计,在均方误差准则下,分别与极大似然估计、Liu估计进行比较,并给出了优于两个估计的充分条件,最后通过蒙特卡罗模拟方法验证了其优良性.     

混合系数线性模型参数的新估计与LS估计的比较

混合系数线性模型在连续测量数据的情况下,给出了固定系数a和随机系数期望b的一种新估计．在均方误差的意义下,证明了混合系数线性模型参数的新估计优于最小二乘估计（LS估计）,并给予了应用举例．     

生长曲线模型的几乎无偏岭估计

本文用几乎无偏岭估计来估计生长曲线模型中的回归系数,表明了在均方误差意义下,几乎无偏岭估计优于岭估计,并通过实例验证了该结果。     

混合系数模型参数的 GLS估计

本文给出了混合系数模型的固定参数和随机参数的两种GLS估计,并讨论了它们的一些性质。     

线性回归模型LIU估计的影响分析

研究了线性模型中LIU估计的影响分析问题,得到了原模型与数据删除、方差扰动及均值漂移模型间——线性回归有偏估计(LIU)估计的关系式,给出了影响度量的计算公式。     

混合系数线性模型参数的一种新估计及相对效率

在连续测量数据的情况下,给出了固定系数а和随机系数b的一种新估计,并引入了一般广义岭估计的概念且证明了其优良性。提出了关于这种新估计的三种相对效率,并给出了它们的上界或下界。     

混合系数线性模型参数可容性估计的小样本分析

研究两种混合系数线性模型Zij=[x(tij)]'α+[y(tij)]'βi+εij(i=1,2,…,m;j=1,2,…,ni;ni>p+q)和Zi=Cid+ei(i=1,2,…,m,eiⁱ.i.d(0,YiΣY'i+σ2Ini))参数估计的容许性,可视为一种小样本理论。     

线性回归模型的一类新约束型LIU估计

针对带线性约束型的回归模型复共线性问题,提出了一种新估计,称之为修正约束型LIU估计,给出了新估计的性质.在均方误差准则基础上证明了在一定条件下,修正约束型LIU估计优于最小二乘估计、岭估计、修正岭估计和约束型LIU估计,最后讨论了新估计的可容许性.     

混合系数线性模型参数的局部根方估计的一些结果

在研究混合系数线性模型参数的局部根方估计的基础上,进一步论证了此估计的F-优良性和在矩阵条件数准则下对最小二乘估计抗干扰性的改进。     

混合系数线性模型的一类有偏估计

研究了连续测量数据情况下的混合系数线性模型的参数估计问题.利用压缩估计方法给出了该模型的一类有偏估计,并讨论了该估计的一些优良性质和压缩系数的选取问题.