延迟模型中的两个影响度量

从估计效率角度研究数据对延迟模型的影响。建立了度量数据对延迟模型影响的两个度量，并的找到了影响度量与相关系数和广义相关系之间的关系。     

权回归模型中的相对效率

文献[5]在线性模型中定义了一种新的相对效率 ,本文将它推广到权回归模型中并研究了它的下界以及它与某些广义相关系数之间的关系     

权回归模型中的相对效率

将线性模型中定义的一种新相对效率e4()=min1≤i≤pλi(Covβ)λi(Cov)推广到权回归模型中,并研究了它的下界以及它与某些广义相关系数之间的关系.     

加权回归模型中的影响度量与相关系数

从距离角度研究数据对加权回归模型的影响．建立了加权回归模型中的Ｃｏｏｋ距离,并找到了它与相关系数之间的联系     

加权线性回归模型的BLUE影响分析

讨论了一组或m组数据扰动或删除前后BLUE的变化及协方差扰动和数据删除对BLUE的混合影响,分别建立了β^W(J),^βW(i),^βW,gi(j)与^βW的关系;提出了度量数据扰动或删除对BLUE的影响的W K统计量,并给出了W K统计量与广义相关系数的关系,得到KI(J)与KI(I)的上下界;最后用实例说明了W K统计量在影响分析时的有效性.     

数据的剔除对Minimax线性估计的影响与相关系数

用方差比和广义方差比作为判定数据对Minimax线性估计影响的标准,建立了剔除一组数据时的方差比与相关系数的关系,找到了剔除多组数据时的广义方差比与Hotelling广义相关系数的联系,并讨论了剔除一组数据与剔除二组数据时的广义方差比之间的关系.     

数据的剔除对缺落值模型的影响

从距离角度和效率角度研究了一组数据和多组数据缺落值估计的影响,建立了剔除一组数据时Cook距离与复相关系数的等式关系,剔除多组数据时Cook距离与广义相关系数的不等式及广义方差比度量与Hoetelling广义相关系数的等式关系.     

探测数据对BLUE及预测影响的度量

本文分析了数据对BLUE及预测的影响,给出了h_(ii)的统计意义,并建立了两种预测影响的度量,推广了文献2和3的一些结果。     

广义压缩最小二乘估计中的一个影响度量

广义方差比是一个效率度量.这里用它作为判定数据时广义压缩最小二乘估计的影响度量,讨论了数据对广义压缩最小二乘估计的影响问题.找到了广义方差比度量与Hoetelling广义相关系数的精确关系.     

判定数据对延迟模型影响的度量

从距离角度讨论数据对延迟模型的影响，建立了延迟模型中的Ｃｏｏｋ距离，并研究了Ｃｏｏｋ距离与相关系数之间的关系。     

多元加权约束线性回归的影响分析

讨论了多元加权约束线性回归中最小二乘估计的影响问题 ,定义了度量影响的 3种诊断统计量 ,进一步推广和发展了已有文献的一些结果     

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。     

删失回归模型的加权Bootstrap逼近

研究带删失数据的回归模型.基于合成数据,运用加权Bootstrap方法获得回归系数样本分布的近似估计,并对一般权序列,证明了这种分布近似的有效性及回归系数的加权Bootstrap估计的相合性.据此构造回归系数的加权Bootstrap置信域.数值模拟结果表明,就覆盖率而言,加权Bootstrap置信域优于传统的渐近正态置信域.     

资产方程中回归函数的局部线性加权估计

通过将标的资产价格所满足的积分方程转化为回归模型,建立了回归模型中回归函数的局部线性加权估计.利用回归函数的估计构造漂移系数的样本估计量,并证明了所构造样本估计量的均方收敛性.从而使利用样本估计量构造漂移系数的估计成为可能.     

增长曲线模型回归系数线性估计的泛容许性特征

讨论了增长曲线模型回归在线性估计时的泛容许性特征，得到了其在齐次线性估计类Ｆ０和一般线性估计类Ｆ１中是泛容许估计的充要条件．     

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。     

融入距离方差和距离相关系数的偏最小二乘回归方法

偏最小二乘法(partial least square, PLS)在内部采用Pearson系数度量自变量和因变量之间的相关性时提取出的成分不能确保解释性最强,并且PLS在将提取的成分进行线性回归时也无法真实反映变量间的函数关系.针对这些问题,该文提出了融入距离方差和距离相关系数的偏最小二乘回归方法(DVDCCPLS).DVDCCPLS基于距离方差和距离相关系数提取距离成分,再将距离成分进行拟线性回归得到距离回归方程,通过模型求解方法将距离回归方程转换为原始数据的表达,最终得到结构简洁、精度较高的回归模型.该文分别采用麻杏石甘汤数据和UCI数据集测试DVDCCPLS的性能,并与其他5种经典的回归算法对比,结果表明：DVDCCPLS具有较好的回归效果和回归性能.