纵向数据的混合效应模型

考虑如下的线性混合效应模型:.其中αi为随机效应部分,{εik}对同一i而言是平稳的α-混合序列.使用特征函数的方法估计了随机效应的密度函数以及模型的参数β,并研究了估计量的大样本性质.     

具有随机约束的混合效应模型参数的岭型谱分解估计

对于具有随机线性约束的线性混合效应模型参数提出一种称之为条件岭型谱分解估计的方法.利用均方误差矩阵和广义均方误差对固定效应参数的几种估计量进行比较,给出条件岭型谱分解估计优于条件谱分解估计的充分条件,并给出这两种估计的相对效率的上下界.最后,模拟算例验证了理论结果的正确性.     

混合线性模型最小二乘估计的模拟分析

本文首先用最小二乘估计的方法构造混合线性模型参数的估计量,在一定的假设条件下,进行数值模拟,以说明所构造的估计量的有效性。并给出一个实际算例来体现混合线性模型在实际当中的重要应用。     

具有随机约束的混合效应模型参数的岭型谱分解估计（英文）

对于具有随机线性约束的线性混合效应模型参数提出一种称之为条件岭型谱分解估计的方法.利用均方误差矩阵和广义均方误差对固定效应参数的几种估计量进行比较,给出条件岭型谱分解估计优于条件谱分解估计的充分条件,并给出这两种估计的相对效率的上下界.最后,模拟算例验证了理论结果的正确性.     

海量数据下线性混合效应模型的估计算法

基于以往文献提出线性混合效应模型参数的三步估计方法,避免了繁杂的极大似然估计迭代步骤。同时为进一步解决海量数据下计算估计量时存在的存储瓶颈及计算时间过长问题,在海量纵向数据的两种不同数据格式下,分别基于三步估计方法利用分治算法计算模型参数的估计量。数值模拟和实证分析结果表明,本文所提出的三步估计方法和估计量的分治算法可以减轻计算负担,减少占用内存,解决内存不足的问题,并提高计算速度。     

带混合测量误差的线性回归模型的参数估计

在研究带测量误差的线性回归模型时常考虑的是classical测量误差或者Berkson测量误差,而classical和Berkson混合的测量误差研究较少.利用校正似然法讨论带classical和Berkson混合测量误差的线性回归模型的参数估计,并给出估计量的渐近分布.最后,通过R软件进行数值模拟验证估计方法的优良性.     

相依误差下含线性趋势异方差模型的加权小波估计

针对含线性趋势异方差模型,用小波方法构造未知参数和方差函数的加权小波估计量。在随机误差序列为α-混合情形下,得到了参数小波估计量的渐近正态性。     

变系数模型中的新局部线性估计法

提出一种新的局部线性方法用来估计变系数模型中的未知函数,给出了未知函数估计量的渐近条件偏差和方差.由于新方法所得估计量的渐近方差小于传统线性估计量的渐近方差,因而新方法更加有效.     

部分线性可加模型的随机约束Liu估计

研究了部分线性可加模型在参数部分附加有随机约束条件且存在多重共线性时的估计问题.文中基于Profile最小二乘方法、混合回归估计和Liu估计方法,提出了参数分量的Profile混合Liu估计,给出了估计量的偏和方差,并讨论了其渐近分布.     

半参数广义线性模型的正则估计量及其有效性

讨论了一类半参数广义线性回归模型参数的正则估计及其有效性问题.在研究模型半参数的矩估计及其渐近性的基础上,利用正交空间、矩估计的性质和正交计算方法,给出了广义线性模型中未知参数的有效估计量的表达式.提出了回归参数有效估计量的特征描述方法,并给出和证明了参数估计量是有效正则估计量的充分必要条件.通过实例进一步解释和验证了所给出的方法和条件的有效性.     

因变量缺失下线性回归模型的估计与检验

文章研究因变量缺失下的线性回归模型,借助单点插补方法,首先给出模型的估计,研究参数估计量的渐近正态性,其次,对于模型系数的线性约束检验问题,基于Wald方法构造检验统计量并给出其渐近分布.最后,通过数值模拟验证所提方法的有效性.     

随机删失情形下回归函数核估计的重对数律

针对二种回归函数核估计,本文研究了其收敛速度,在一定条件下,证明了其收敛速度符合重对数律。     

略谈现代素描教学

从培养时代所需的高素质艺术创造性人才出发，提出了现代素描教学的核心思想和主要目标。并就教学内容和教学方法作了简要论述。     

GM估计的一个刻划及其应用

引出了参数统计模型下GM估计的一个性质，并进一步证明了该性质与GM性是等价的，从而得到了证明线性估计GM性的一种新的方法，最后由此等价性质讨论了一些线性估计的GM性．     

线性指数模型参数的经验贝叶斯估计

根据经验贝叶斯原理,讨论了在平方损失函数下,线性指数模型参数的非参数经验贝叶斯(empirical贝叶斯,EB)估计问题.首先利用密度函数的核估计方法构造边际分布密度函数以及该分布密度函数的一阶导数;然后结合线性指数模型未知参数在相同损失函数之下的贝叶斯估计得到了未知参数的非参数经验贝叶斯估计.最后由C-R不等式以及Jensen不等式证明了所得到的经验贝叶斯估计的渐进最优性质,并获得了其收敛速度(n-(2r-1)/(2r 1)).     

部分线性变系数模型的Liu估计

研究了部分线性变系数模型中参数分量的有偏估计问题.基于Profile最小二乘方法和Liu估计法构造了参数分量的Profile-Liu估计和剖面最小二乘广义Liu估计,并在一定的条件下,证明了Profile-Liu估计优于Profile最小二乘估计,剖面最小二乘广义Liu估计优于Profile-Liu估计.     

合作n人费用对策及其解

定义了合作ｎ人费用对策，提出了合作ｎ人费用对策的一种解─—准核，引入了局中人之间的分离关系，证明了准核的存在性。由于准核考虑了每个局中人的利益，故其中的支付向量（分配方案）比核中的支付向量更具有合理性。     

基于一类二元多小波函数的密度估计

基于独立同分布的随机样本提出了一类二元多小波密度估计的方法。首先，给出了线性多小波估计器；然后，在Besov球（B_p，m^s（M））上给出了线性估计在积分均方误差（MISE）意义下的收敛上界，并给予证明；最后，通过仿真和实例数据进行实验验证，说明方法和估计的有效性。     

Jackknifed Liu estimator in linear regression models

In this paper, we introduce a generalized Liu estimator and jackknifed Liu estimator in a linear regression model with correlated or heteroscedastic errors. Therefore, we extend the Liu estimator. Under the mean square error(MSE), the jackknifed estimator is superior to the Liu estimator and the jackknifed ridge estimator. We also give a method to select the biasing parameter for d. Furthermore, a numerical example is given to illustvate these theoretical results.