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。     

岭估计的影响函数

本文求出了回归系数岭估计的理论影响函数、经济影响函数和样本影响函数，讨论了岭估计的影响函数与最小二乘估计的影响函数的关系以及与方差扰动模型中的岭估计关于扰动因子导数的关系，定义了岭估计的Ｃｏｏｋ距离，比较了岭估计的Ｃｏｏｋ距离与最小二乘估计的Ｃｏｏｋ距离的稳健性。     

多元岭估计下数据联合影响的分解及数据的交叉影响

本文讨论了多重线性回归中数据对多元岭估计的影响。首先给出了度量数据对多元岭估计影响大小的Ｃｏｏｋ距离及其简化形式，提示了强影响点、高杠杆点、异常点间的内在联系；其次讨论了多组数据对多元岭估计的联合影响与其中每组数据对多元岭估计的影响之间的关系，最后探讨了多元岭估计中数据的交叉影响问题，得到了许多有意义的结果。     

岭型压缩主成分估计及其性质

本文定义了一类新的降维估计，称之为岭型压缩主成分估计。证明了，当参数满足一定条件时，它比主成分估计，岭型主成分估计及最小二乘估计有较小的均方误差。     

生长曲线模型的综合岭估计

该文提出了生长曲线模型回归系数的一种新的有偏估计—综合岭估计,讨论了综合岭估计的优良性、可容许性等性质,给出了其迭代解和极小化均方差的无偏估计解。在综合岭估计下,岭估计、广义岭估计、根方估计成为其特例,从而统一了生长曲线模型的岭估计和根方估计理论。     

岭估计中的一个影响度量

提出了预测数据对岭估计影响的一个度量，建立了它与全相关系数的联系，并和岭估计中的ｃｏｏｋ距离作了比较．     

岭估计中的影响度量与相关系数的关系

数据对线性模型的最小二乘估计的影响已有许多研究，但数据对岭估计的影响很少有人研究．吴诗泳和岳珠（ 工程数学学报，１９８９ ，６（１） ：１１５ ～１１９ ．） 研究了剔除一组数据对岭估计的影响．在此，我们继续讨论数据对岭估计的影响，找到了影响度量与相关系数之间的联系，得到了一些有意义的结果．     

熵损失下独立指数分布均值的岭估计

借助Ｈｏｅｒｌ和Ｋｅｎｎａｒｄ提出的回归系数的岭估计的思想，通过设备恰当的共轭先验，由Ｂａｙｅｓ观点出发，得到在此比平方损失更恰当的熵损失下，独立指数分布均值的岭估计，并证明其可容许性，同时，当先验参数Ｋ未知时，用“岭迹法”估计了Ｋ值。     

广义岭型主成分估计的一些性质

讨论了广义岭型主成分估计的一些性质,引入一种估计的相对效率,证明了广义岭型主成分估计比岭型主成分估计和主成分估计的效率高,并且在Pitman准则下也优于岭型主成分估计和主成分估计.     

齐次等式约束线性回归模型回归系数条件岭估计的效率

研究齐次等式约束线性回归模型回归系数的狭义条件岭估计和广义条件岭估计的效率,证明狭义条件岭估计和广义条件岭估计的效率比最小二乘估计的效率高,并且广义岭估计比狭义岭估计的效率高．     

相依回归系统参数的一种有偏估计

对二个相依回归方程组成的线性系统,提出两种新的有偏估计广义岭型协方差改进估计和广义岭型两步协方差改进估计．讨论了这两种估计的优良性质,给出的这两种估计是岭型协方差改进估计和岭型两步协方差改进估计的推广．     

压缩主成分估计

给出线性回归模型{Y=Xβ εE（ε）=0，Cov(ε)=σ^2In中参数β的一种压缩主成分估计，研究了其有效性、可容许性以及抗干扰性，并与岭型组合主成分估计、岭估计、Stein压缩估计以及根方有偏估计等进行了比较，得出在一定条件下，这种估计优于其它几种估计的结论。     

线性回归模型的一种新的有偏估计

本文提出了线性模型在随机约束条件下的一种岭估计,并给出了在均方误差矩阵准则下这种新的岭估计优于混合估计与岭估计的充要条件.     

广义岭型主成分估计的一条最优性质

证明了在一类广义岭型降维估计中，广义岭型主成分估计的方差和最小。     

一般线性回归模型岭估计的影响分析

讨论一般线性回归模型岭估计的影响分析问题,研究了协方差阵扰动和数据删除对岭估计的影响,给出了岭估计基于有偏估计的Cook距离.     

一般广义岭估计的效率

把文 [1]所定义的相对效率 1- MSE βMSE β对一般Gauss -Markov模型下的岭估计的讨论推广至广义岭估计。并比较了一般岭估计与广义岭估计在此种效率下的下界     

均方误差准则下的几乎无偏Stein岭型主成分估计的优良性

将Stein岭型主成分估计利用几乎无偏估计思想进行优化,得到几乎无偏Stein岭型主成分估计.并考虑均方误差准则,得到了几乎无偏Stein岭型主成分估计优于最小二乘估计、Stein岭型主成分估计的充分条件.并通过数值实验证明在给定k或p时,几乎无偏Stein岭型主成分估计的均方误差与Stein岭型主成分估计的均方误差较为接近,且远大于最小二乘估计的均方误差.     

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。     

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     

综合c-K条件岭估计及其优良性

对齐次等式约束的线性回归模型回归系数提出一个新的有偏估计-综合c-K条件岭估计.研究综合c-K条件岭估计的性质,并证明存在一定条件,使其在均方误差意义下优于约束最小二乘估计、条件岭估计、广义条件岭估计以及综合c-K条件岭估计.