多元回归系数强相合估计的一些新结果（I）

设有线性模型Ｙｉ＝ｘｉ＇β＋ｅｉ，１≤ｉ≤ｎ，ｎ≥１，假定随机误差ｅ１，ｅ２，…独立同分布，Ｅ（ｅ１）＝０，Ｅ│ｅ＾ｒ│〈∞对某个ｒ∈（１，２）。本文在较弱的限制条件下，得到β的最小二乘估计为强相合的一些新结果。     

线性模型参数估计中的效率

对一般的ＧａｕｓＭａｒｋｏｆ模型：Ｙ＝Ｘβ＋ｅ,Ｅ（ｅ）＝０,Ｃｏｖ（ｅ）＝σ２Ｖ,Ｖ≥０,给出了μ＝Ｘβ的最小二乘估计的３种相对效率和它们的下界．对一般的方差分量模型：Ｙ＝Ｘβ＋ｅ,Ｅ（ｅ）＝０,Ｃｏｖ（ｅ）＝∑ｔｉ＝１θｉＶｉ,θｉ＞０,Ｖｉ≥０,相拟地定义了μ＝Ｘβ的最小二乘估计的３种相对效率并给出了它们的下界．     

删除一个观测值对估计量的影响

给出在模型Ｍ＝（Ｙ，Ｘβ，σ＾２Ｖ）与删除第ｉ个观测值后得到的模型Ｍｄ＝（Ｙｄ，Ｘｄβ，σ＾２Ｖｄ）下β的最佳线性无偏估计差的表达式，并得到了二者相等的充要条件，还给出了在模型Ｍｄ下β的最小二乘估计是Ｍ下β的最佳线性无偏估计的充要条件。     

一类约束下的参数估计问题

考虑线性模型ｙｎ×１＝Ｘｍ×ｐβｐ×１＋εｎ×１，（１）其中ｙｎ×１为样本观测值，Ｘ为ｎ×ｐ阶的设计阵，β为ｐ维参数向量，εｎ×１为ｎ维随机向量，ε为随机误差．Ｅε＝０，Ｄε＝σ２Ｖ这里σ２已知或未知皆可，Ｖ为ｎ×ｎ阶非负定阵．对于线性模型（１），...     

线性模型中误差分布的基于L1估计的相合核估计

线性模型ｙｉ＝ｘｉ＇β＋ｅｉ，ｉ＝１，…，ｎ，的误差序列｛ｅｉ｝ｉ＾ｎ＝１有未知密度ｆ（ｘ）。本文在一定条件下证明了ｆ（ｘ）的核估计ｆｎ（ｘ）＝１／ｎａｎ∑＾ｎｉ＝１ｋ（ｅｎｉ－ｘ／ａｎ）的弱相合性，逐点强相合性，一致强相合性，其中ｅｎｉ为Ｌ１估计的残差。     

一般线性模型下删除观测值的影响

在一般情形下，给出了在模Ｍ＝（Ｙ，Ｘβ，σ＾２Ｖ）与删除第ｉ个观测值后得到的模型Ｍｄ＝（Ｙｄ，Ｘｄβ，σ＾２Ｖｄ）下Ｘｄβ的最佳线性无偏估计的表达式，得到了二者相等的充要条件，给出了在模型Ｍｄ下Ｘｄβ的最小二乘估计是Ｍ下Ｘｄβ的最佳线性无偏估计的充要条件，以及Ｍｄ下σ＾２的最小范数二次无偏估计是Ｍ下σ＾２的最小范数二次无偏估计的充要条件。     

部分线性模型中非参数估计的强相合性

考虑部分线性模型:y_i=x_iβ+g(t_i)+σ_ie_i,1≤i≤n,其中σ_i~2=f(u_i),(x_i,t_i,u_i)是固定非随机设计点列,f(·)和 g(·)是未知函数,β是待估参数,e_i 是随机误差。我们研究了基于β的最小二乘估计β_n 和加权最小二乘估计_n 的非参数 g(·)的估计,并证明了他们的强相合性。     

NQD样本下部分线性模型中估计的强相合性

考虑回归模型：yi=xβ g(ti) σei≤i≤n,其中δ^1 i=f(ui),(xi,ti,ui)是固定非随机设计点列,β是未知待估参数,g和f是未知函数,随机误差序列{ei}为同分布的NQD序列．在一定的条件下,得到了β的最小二乘估计β、加权最小二乘估计β^-和最终加权最小二乘估计β^-的强相合性．     

不等方差情形下非参数回归模型的小波估计

考虑非参数回归模型Ｙｉ＝ｇ（ｔｉ）＋σｉｅｉ,１≤ｉ≤ｎ,给出了ｇ（ｔ）和ｆ（ｕ）的小波估计ｇｎ（ｔ）和ｆｎ（ｕ）;在适当条件下给出了ｇｎ（ｔ）的弱相合速度,在Ｅ｜ｅｉ＾３｜〈∞下给出了ｇ（ｎ（ｔ）的一致强相合速度,在Ｅ｜ｅｉ｜＾２＋δ〈∞下得到ｇｎ（ｔ）的渐近正态性结果;在Ｅ｜ｅｉ｜＾３＋δ〈∞下证明了ｆｎ（ｔ）的一致强相合性。     

乘积矩阵的奇异值估计

本文给ｍ个矩阵乘积的奇异值估计：ｍ∑ｊ＝１ｉ（ｊ）＝（ｍ－１）ｎ＋ｉ＾ｍａｘ（ｍ）Ⅱ（ｊ＝１）σ＾（ｊ）ｉ（ｊ）≤σｉ≤（ｍ）∑（ｊ＝１）＝ｉ＋ｍ－１ｍｉｎ＾（ｍ）Ⅱ（ｊ＝１）σ＾（ｊ）,ｉ（ｊ）,１≤ｉ≤ｎ同时给出了（ｋ）∑（ｉ＝１）σｉ,＾（ｋ）Ⅱ（ｉ＝１）σｉ的一个下界。     

完全样本下威布尔分布参数的加权最小二乘估计

借助图法估计的思想和次序统计量的性质,给出了完全样本下威布尔分布参数的改进最小二乘估计与加权最小二乘估计.     

SURE模型中参数估计的若干结果

综合报导有关ＳＵＲＥ模型中参数估计及其优良性的一些近期研究成果，主要包括回归系数β以及协方差矩阵Ｖ的各种估计和它们的优良性．     

未知方差下回归系数常用估计的可容许性

假设一个”维随机向量Y服从正态分布N(β，σ^2In)。在二次损失下，当n≥3和σ^2已知时，Stein在1956年指出Y不是β的容许估计，这是统计判决理论中一个著名的结果，成平在1982年对Stein结果给出了一个有趣的补充，他证明了当σ^2未知时，Y是β的容许估计。这篇文章是成平结果的一般化，即在一个宽广的分布类中，证明了当方差未知时，回归系数最小二乘估计是容许的。这表明当方差未知时，回归系数最小二乘估计是一个适合的估计。     

加权最小二乘估计的影响探测

本文对加权最小二乘估计的影响分析进行了研究,得到了一组数据对加权最小二乘估计的影响的度量准则,简便计算公式及其统计解释。     

一阶广义随机系数自回归模型参数的最小渐近方差估计

研究广义随机系数自回归模型中参数的估计问题, 给出了未知参数的一个估计类, 证明了该估计类中估计的相合性和渐近正态性, 并且获得了该估计类中的最小渐近方差估计, 并通过数值模拟比较了估计类中各种估计方法的优劣.     

LS估计的抗差性分析

依据LS估计的分解，对LS估计的抗差性进行了分析。通过观测数据协方差矩阵的改进，建立了一种抗差参数估计方法。     

广义岭型压缩主分量估计及其优良性

对线性回归模型回归系数β,当设计阵X为病态时,提出一种新估计:广义岭型压缩主分量估计,它在MSE和GMSE准则下优于最小二乘估计,在均方误差准则下优于岭型压缩主成分估计,最后对它的可容许性进行了讨论。