非齐次等式约束线性回归模型的条件根方估计的效率

对非齐次约束线性回归模型的狭义条件根方估计和广义条件根方估计进行讨论.利用相对效率定义比较两种根方估计的效率,证明在一定条件下,广义条件根方估计的效率不低于狭义条件根方估计,在根方参数的限制下比较了它们的下界之间的关系,从而可选择适当的根方参数,使广义条件根方估计就均方误差而言更具有良好的性质.     

约束线性模型下回归系数的条件根方估计

提出了约束线性模型下回归系数的条件根方估计和广义条件根方估计,证明了在一定的条件下,两者在均方误差意义都能很好改进回归系数的约束最小二乘估计,并讨论了它们的可容许性及广义条件根方估计中未知参数的选取方法．     

多元线性模型系数的广义根方改进估计类

从矩阵变换理论出发，对多元线性模型的系数提出了广义根方估计。证明了它优于系数的ＬＳ估计，根方改进估计，且是β的线性可容性估计等性质。     

广义条件根方估计的迭代解

对非齐次等式约束线性回归模型的广义条件根方估计的一般形式,给出了广义条件根方估计的迭代解.     

约束线性模型下回归系数的条件根方估计

提出了约束线性模型下回归系数的条件根估计和广义条件根方估计,证明了在一定的条件下,两者在均方误差意义都能很好改进回归系数的约束最小二乘估计,并讨论了它们的可容许及广义条件根方估计中未知参数的选取方法。     

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。     

混合系数线性模型参数的根方估计

针对连续测量数据，给出了混合系数线性模型参数的根方估计ｄ（ｋ）和ｄ（ｋ）（０＜ｋ＜１），并且证明了通过根方参数ｋ的选取，可使根方估计ｄ（ｋ）和ｄ（ｋ）的均方误差（ＭＳＥ）分别小于最小二乘估计（ＬＳＥ）ｄ和ｄ的ＭＳＥ     

混合系数线性模型参数的根方估计

针对连续测量数据，给出了混合系数线性模型参数的根方估计ｄ（ｋ）和ｄ（ｋ）（０〈ｋ〈１），并且证明了通过根方参数ｋ的选取，可使根方估计ｄ（ｋ）和ｄ（ｋ）的均方误差分别小于最小二乘估计ｄ和ｄ的ＭＳＥ。     

一类相依回归系统参数的根方估计

本文提出了一类相依回归系统回归参数的根方估计,证明了当设计矩阵呈病态时,根方估计的均方误差小于协方差改进估计的均方误差。     

一类相依回归系统参数的一种广义有偏估计

本文提出了一种广义有偏估计，证明了当设计矩阵呈病态时，这种有偏估计的均方误差小于协方差改进估计的均方误差。     

PC准则下生长曲线模型回归参数阵广义岭估计的优良性

一般而言 ,PC准则是用来比较向量参数两个估计优劣的一种准则。本文将它推广应用于生长曲线模型回归参数阵的最小二乘估计和广义岭估计优劣性的比较。给出了广义岭估计在PC准则下优于最小二乘估计的条件     

复共线性条件下广义岭估计的改进

对于复共线性条件下线性回归模型的广义岭估计进行了进一步的研究。针对线性回归模型病态的根本原因,提出了一类新的估计——0-K型广义岭估计。研究这一估计的性质,证明利用0-K型广义岭估计技术可以改进广义岭估计(在均方残差意义下)。文中的方法为病态线性回归模型系数的有偏估计提供了改进的技术途径。     

广义特征根估计

提出线性回归模型参数向量β的一种新估计方法一广义特征根估计，讨论了它所特有的一些性质，同时给出参数向量ｔ的一个选择准则，并通过实例比较了ｔ的各种选择效果．     

混合系数线性模型参数的局部根方估计的一些结果

在研究混合系数线性模型参数的局部根方估计的基础上,进一步论证了此估计的F-优良性和在矩阵条件数准则下对最小二乘估计抗干扰性的改进。     

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     

多元广义岭估计确定偏参数的两种准则

本文给出广义岭估计β（Ｋ）的偏参数Ｋ选择的Ｄ（Ｑ）准则和均方误差无偏估计的极小化准则,以及偏参数Ｋ的最优解公式．它使广义岭估计β（Ｋ）的均方误差（ＭＳＥ）明显小于 ＬＳ估计β的 ＭＳＥ．从而提高了广义岭估计的拟合精确度．最后给出一实例．     

多元回归中时变参数的非参数估计

本文讨论了参数随时间变化的一类多元回归模型,提出了一种非参数估计方法——准最小二乘核函数估计方法。证明了在一定的条件下所得的估计具有相容性,推广了Robinson的结果。     

起算数据精度的测量参数估计的新解算

针对起算数据具有误差时现有处理方法的不足,利用广义最小二乘原理,提出了一种新的顾及起算数据精度的参数估计方法,推导了基于广义最小二乘原则的顾及起算数据精度的参数估计公式,与将起算数据视为无误差的传统测量平差方法,或虽考虑起算数据精度,但将其与观测值一起进行整体平差的方法相比,在理论和方法上都有较好的改进。算例表明:给出的参数估计模型较传统平差解算方法,其参数估计的精度有明显提高。     

混合系数线性模型参数的新估计与LS估计的比较

混合系数线性模型在连续测量数据的情况下，给出了固定系数a和随机系数期望b的一种新估计．在均方误差的意义下，证明了混合系数线性模型参数的新估计优于最小二乘估计（LS估计），并给予了应用举例．