增长曲线模型中最小二乘估计的相对效率（二）

定理1 当I={i},即只剔除一组数据时 MP_i=1/C sum from s=1 to n |h_(si)|(1-h_(ii))~(-1)e_i （10）     

权回归模型中参数估计的相对效率

讨论了线性加权回归模型中最小二乘（ＬＳ）估计与最佳线性无偏（ＢＬＵ）估计的一种相对效率问题,即ｅ５（β）,并研究了它的下界及其与广义相关系数的关系。     

混合模型的一种新的相对效率

研究了带附加信息的混合模型回归系数的估计,在考虑混合估计和LS估计协方差阵之间进一步联系的基础上,给出度量混合估计和LS估计差异的相对效率的一种新定义,并利用矩阵不等式分别求出新相对效率的上、下界.     

奇异增长曲线模型中最小二乘估计的有效性

研究了奇异增长曲线模型中均值矩阵的最小二乘估计的效率问题，给出了均值矩阵的最小二乘估计相对于最佳线性无偏估计的偏差估计，定义了均值矩阵的最小二乘估计相对于最佳线性无偏估计的相对效率，并给出了它们的上界．     

线性模型中参数估计的一个新的相对效率

对于线性模型ｙ＝Ｘβ＋ε,Ｅ（ε）＝０,ＣＯＶ（ε）＝σ＾２∑〉０,我们定义了一种新的相对效率,并研究了它与其它相对效率的关系,以及给出了它的一个下界。     

线性模型中回归系数混合估计的相对效率

设线性回归模型中回归系数的最小二乘（least square，LS）估计和混合估计分别为β与βm．当设计阵X列满秩时，获得了相对效率e1（β，βm）=det[Cov（βm）]／det[Cov（β）]以及e2（β，βm）=tr[Cov（βm）]／tr[Cov（β）]的界；当X不是列满秩时，设可估函数c′β的LS估计和混合估计分别为c′β和c′βm，获得了相对效率e3（c′β，c′βm,）=Var（c′βm）／Var（c′β）的界．     

线性模型中参数估计的一种新的相对效率

对于线性模型中未知参数的最小二乘估计,本文给出了一种新的相对效率,并研究了它的性质且给出了其下界,最后讨论了该相对效率与其它几种相对效率间的关系。     

奇异线性模型最小二乘估计的相对效率

对于奇异线性模型，引入了参数β的最小二乘估计相对于最佳线性无偏估计的一种新的相对效率，给出了与其他两种相对效率的关系，导出了该效率的上下界．     

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．     

生长曲线模型中基于最小特征根的相对效率

对生长曲线模型的最小二乘估计（LSE）与最佳线性无偏估计（BLUE）定义了一种新的相对效率,新的相对效率定义为最上特征根的比值,研究了它的下界,并讨论了它与已有的三种相对效率之间的关系.     

生长曲线最小二乘估计和最佳线性无偏估计相等的几个充要条件

讨论了生长曲线未知参数的最小二乘估计与最佳线性无偏估计相等的几个充要条件,并给出了主要结论的两种不同证明     

Gauss－Markoff和方差分量模型中LSE的一种新的相对效率

对Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型：Ｙ＝Ｘτ＋ｅ，ｅ～（０，σ￣２Ｖ），Ｖ≥０，τ的ＬＳＥ的一种新的相对效率被提出来并得到了其下界．对方差分量模型：τ的ＬＳＥ的一种新的相对效率也被提出来并得到了独立于未知参数的下界。     

约束空间下生长曲线模型的相对效率

对于生长曲线模型中未知参数矩阵Ｂ的ＬＳＥ与ＢＬＵＥ的相对效率,在空间受约束的条件下,改进了它的下界     

生长曲线模型中回归系数的新根方估计

针对生长曲线模型中设计阵A与C至少有一个病态时的情况提出新根方估计■(m1,m2),并证明通过新根方参数mi(i=1,2)的适当选取,可使得该估计在均方误差意义下优于最小二乘估计及普通根方估计,证明其容许性及其对最小二乘估计抗干扰性的改进,并给出确定参数mi的两种方法.     

线性模型中的一类相对效率的推广

对于线性模型y=Xβ ε,E(ε)=0,Cov(ε)=V>0,定义了一种新的相对效率e5(■(D))=[tr(Cov(β*))q/tr(Cov(■(D)))q]1q(q≥1),研究了它与其他相对效率的关系,以及给出了它的一个下界.     

线性模型中参数估计的相对效率

对于一个线性模型,如果最小二乘估计(LSE)与最佳线性无偏估计(BLUE)相等,就可以放心地用LSE代替BLUE;反之,用LSE代替BLUE就要蒙受一些损失,有时,这种损失可能是很大的,因而研究这种损失的大小就显得颇为重要.考虑一般线性模型y=Xβ+ε,E(ε)=0,cov(e)=σ2∑,定义了LSE相对于BLUE的两个新的相对效率,并给出了它们的上界.     

增长曲线模型中回归系数的局部根方估计

针对设计阵A与C至少有一个病态时的情况,提出局部根方估计^BL(m1,m2),并证明通过局部根方参数mi(i=1,2)的适当选取,可使该估计在均方误差意义下优于最小二乘估计及普通根方估计,证明其容许性及其对最小二乘估计抗干扰性的改进,并给出确定参数mi的两种方法.