多元线性模型中随机回归系数和参数的线性估计在线性估计类中的可容许性(Ⅰ)

考虑多元线性模型Ｙ＝ＸＢ＋Ｅ,其中Ｙ是可观测的ｎ×ｍ矩阵,Ｂ和Ｅ分别为不可观测的ｐ×ｍ和ｎ×ｍ随机矩阵,ＥＢＥ＝ＡαＯ,ＣｏｖＢＥ＝Ｖ;Ｘ,Ａ,Ｖ均为已知矩阵,≥０,Ｖ≥０,是已知矩阵或未知的参数矩阵,α∈Ｒｋ×ｍ为未知的参数矩阵。本文在矩阵损失函数：（ｄ－Ｓα－ＱＢ）′（ｄ－Ｓα－ＱＢ）下给出了Ｓα＋ＱＢ的估计ＬＹ（ＬＹ＋ｃ）在齐次线性估计类（线性估计类）中可容许的充要条件,从而将文献［１］［３］中得到的关于一元模型的有关结果推广到多元模型。     

矩阵损失下多元统计中回归系数的线性Minimax估计

设Ｙ１,Ｙ２．．．Ｙｍ,ｉ．ｉ．ｄ．,ＥＹ１＝Ｘβ,ｃｏｖＹ１＝∑,这里Ｘ已知,β和∑未知。在矩阵损失下,我们给出了ＳＸβ的线性估计在齐次（非齐次）线性估计类中的唯一的线性Ｍｉｎｉｍａｘ估计。     

降秩多元线性模型参数阵的BLU估计

本文研究了降秩多元线性模型的边界条件,得到了参数阵的最佳线性无偏估计（ＢＬＵ估计）。     

多元线性模型回归系数的混合估计

本文采用混合估计β_(?)~*来估计多元线性模型中的回归系数β=Vec(B),证明了当多元线性模型随机误差阵向量化的协差阵已知时,混合估计B(?)~*的均方误差MSE小于β的LS估计β~*的MSE。     

多元线性模型回归系数估计在矩阵损失下的可容许性

推广了吴启光关于一元线性模型回归系数估计的可容许性的结果，得到了多元线性模型回归系数的估计可容许的充要条件。     

多元线性模型中的条件最优预测

研究了带线性等式约束下任意秩多元线性模型中条件可预测变量的最优预测。特别地考虑了一类特殊的预测函数：φ－线性预测函数,给出了条件φ－线性可预测变量和条件最优φ－线性无偏预测的定义。得到了条件φ－线性可预测变量的条件最优φ－线性无偏预测,并证明了它在几乎处处意义下的唯一性。     

多元线性模型回归系数的根方估计

本文采用根方估计估计多元线性模型中的回归系数B,通过根方参数k值的选取,可使(k)=Vec((k))的均方误差MSE小于β=Vec(B)的LS估计B的MSE。本文还给出了选取k值的两种方法及一个应用实例。     

多元线性模型回归系数的Stein型估计

本文对多元线性模型的回归系数提出了Stein型估计,可使其MSE小于LS估计。分析了选取参数矩阵K的MSE准则存在的缺陷,于是应用Q(C)准则克服这些缺陷。从理论上证明了Q(C)准则的优良性,并给出了确定C的方法。     

任意秩多元线性模型中最优预测的稳健性

研究了任意秩多元线性模型中最优线性无偏预测的稳健性,即对任一线性可预测变量,得到了其关于协方差矩阵具有稳健性的充要条件.     

多元线性模型回最系数的所有可容许线性估计

讨论了多元线性模型中,线性估计ＡＹ＋α在一切估计类中是线性可估函数ＳＢ的Ａ－可容许性估计、Ｅ－可容许性估计及Ｇ－可容许性估计的主要条件。     

多元曲线模型的条件最好线性无偏估计

研究行等式约束下的多元曲线模型，得到了条件线性可估的、惟一的最优线性无偏估计（BLUE）。     

关于奇异线性模型最优线性无偏估计的一个等价刻划

研究了奇异线性模型(Y,Xβ,σ^2V)．给出最好线性无偏估计能表成类似最优加权最小二乘估计形式的充要条件,并举例说明了等价条件中V的对称自反广义逆的存在性不能进一步削弱为V的广义逆的存在性．     

线性模型最优线性无偏预测的一种相对效率

本文得到了一般线性模型中最优线性无偏预测的优良性,并研究了最优线性无偏预测和简单投影预测的一种相对效率。     

广义多元线性模型的最优设计

对文献 [1 ]中多元Φ -最优设计的等价定理进行了进一步研究 ,并把这些结论推广到广义多元线性模型 .作为推论 ,得到矩阵分析中两个重要结果 .     

多元加权线性模型的影响分析

本文针对多元加权线性模型,讨论了一组观察数据对加权最小二乘估计的影响,给出了影响度量准则和它们的化简式及其分布,建立了Ｗ－Ｋ统计量与广义相关系数之间的联系。     

Weibull分布场合恒定应力加速寿命试验的最优线性无偏估计

本文给出了恒定应力加速寿命试验参数的最优线性无偏估计，与（１）给出的二步估计相比，此估计有较大的改进，最后还得到了形状参数的近似无偏估计。     

等式约束下线性模型的可容许性

对等式约束线性模型 ,文章得到了均值参数的条件可估函数的 BLU估计 ,且得到了其线性估计在线性估计类和一切估计类中可容许的充要条件     

奇异线性模型下最小范数二次无偏估计关于误差分布的稳健性

讨论奇异线性模型下方差σ2的最小范数二次无偏估计关于误差分布的稳健性问题,得到方差的最小范数二次无偏估计保持最优的误差项的最大分布类.进一步考虑可估计函数Xβ的最佳线性无偏估计的稳健性,得到了Xβ的最佳线性无偏估计与方差σ2的最小范数二次无偏估计同时最优的误差项的最大类.