混合系数线性模型参数的一类有偏估计

在连续测量数据的情况下,针对模型的复共线性,本文给出了混合系数线性模型参数的一类有偏估计,称之为s-K-B估计。在一定条件下证明了这类估计分别优于岭估计,Stein估计,s-K估计以及最小二乘估计。     

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。     

平衡套误差分量模型方差分量的改进估计

对于含3个方差分量的平衡套误差分量回归模型,利用Baltagi提出的方差分析型估计——WH估计,WK估计,SA估计的方法,得到套误差分量平衡模型中对应估计,并且对其改进,特别对随机效应和随机误差方差分量的WK估计,证明了在均方误差意义下,得到的改进估计一致优于按Baltagi方法导出的估计。     

线性模型参数一类新的s-K估计

基于线性回归模型参数向量的先验信息提出一类新的s-K估计——改进s-K估计,并在均方误差阵意义下,得到了这类估计分别优于最小二乘估计、广义岭估计、Stein估计及s-K估计的充要条件.     

线性模型参数一类新的s-K估计

基于线性回归模型参数向量的先验信息提出一类新的s-K估计--改进s-K估计, 并在均方误差阵意义下, 得到了这类估计分别优于最小二乘估计、 广义岭估计、 Stein估计及s-K估计的充要条件.     

广义岭估计优于LS估计的一个充分条件

本文对线性回归模型给出了其参数β的广州岭估计优于LS估计的一个充分条件,从而把文献中,岭估计优行LS估计的充分条件统一起来。     

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。     

回归系数可容许线性估计的一点讨论

在平方损失函数和一特殊线性模型下，得到了一维不可估参数函数的线性估计为可容许估计的充要条件，以及模型中参数向量的线性估计为可溶许估计的充要条件。     

多元线性回归模型参数的BC估计

考虑多元线性回归模型Y=XB+ε,其中E(Vec(ε))=0,Cov(Vec(ε))=V In,当设计阵X呈病态时,模型参数的LS估计不再是一个优良估计.为此,提出了一种有偏估计———BC估计.在均误差意义下,参数的BC估计优于它的LS估计,并证明了参数的BC估计是可容许线性估计.     

SUR 回归模型中最小二乘估计与 Gauss-Markof 估计及两步估计重合的条件

讨论了（１）如何确定ＳＵＲ回归模型的协方差参数矩阵的列展空间;（２）在什么条件之下,ＳＵＲ回归模型的最小二乘估计,Ｇａｕｓｓ－Ｍａｒｋｏｆ估计,及Ｚｅｌｎｅｒ的两步估计可以相等。此外,也得到了关于最小二乘估计在线性无偏估计类中的容许性的某些结果。     

线性模型回归系数估计的实证分析

针对一组外贸数据建立线性回归模型,在其设计阵存在复共线性的情况下,分别运用岭估计和平衡LS估计来改进OLS估计,在改进的同时选择适当的参数可使平衡LS估计的残差平方和比岭估计的小.     

平衡套误差分量回归模型方差分量的估计

研究了含三个方差分量的平衡套误差分量回归模型,利用Baltagi提出的方差分析型估计-WK估计的方法,得到了套误差分量平衡模型中的对应估计,重点对其改进.对于随机效应和随机误差方差分量的估计,证明了所得到的改进估计在均方误差意义下一致优于按Baltagi方法导出的WK估计,最后还用截尾法给出了随机效应方差分量的正估计.     

线性模型中几个有偏估计的改进

对线性模型中回归系数的Stein型估计,双h类估计和双l类估计作了改进,使得它们在设计阵的任何情形下都能一致优于最小二乘估计。     

线性回归模型系数的有偏估计研究

针对引起线性回归模型LS估计性能变坏的根本原因,提出了回归系数的广义c-K估计,将众多经典的有偏估计结合在一起,对有偏估计的改进进行研究.分别证明了选择广义岭参数可对狭义岭估计进行改进,选择压缩因子可对广义岭估计进行改进,给出了参数的最优值.为病态线性回归模型系数的有偏估计的改进提供了有效途径.     

回归系数的一种有偏估计

为了改进最小二乘估计，克服其在设计阵呈病态时表现出的不可靠性，本文将最小二乘估计、Stein型估计和组合主成分估计的方法联合起来，提出了多元线性模型回归系数的一种新的有偏估计。并且证明了：此种估计在均方误差意义下是可容许估计；在参数区域的某个椭球内，这种新的估计优于最小二乘估计、主成分估计和组合主成分估计。     

SUR回归模型中最小二乘估计与Gauss—Markof估计及两步估计重合 …

讨论了（１）如何确定ＳＵＲ回归模型的协方差参数矩阵的列展空间;（２）在什么条件之下,ＳＵＲ回归模型的最小二乘估计,Ｇａｕｓｓ－Ｍａｒｋｏｆ估计,及Ｚｅｌｌｎｅｒ的两步估计可以相等,此外,也得到了关于最小二乘估计在线性无偏估计数类中的容许性的某些结果。     

广义岭估计的相对效率

考察Gauss-Markoff模型中未知参数向量的最优线性无偏估计的改造问题,引入讨论了方兴等 提出的最优化无偏估计的一种估计的相对效率,把其对一般岭估计的部分研究结果推广到广义岭估计。     

峰度与偏度系数的近似经验贝叶斯估计

建立了单样本数据的贝叶斯模型,给出了偏度系数和峰度系数的线性贝叶斯估计及近似信度估计.进而,将模型推广到多样本数据模型下,并讨论了近似信度估计的统计性质,比较了贝叶斯估计、线性贝叶斯估计及近似信度估计的均方误差.最后,给出了超参数的估计,得到了近似信度估计的经验贝叶斯估计,使该估计可直接运用于实际问题.     

论统计调查中的域估计及其实证研究

抽样调查是获得统计数据的一项重要途径，而时需要进行研究的层次作为子总体进行分层抽样实际上就是域估计问题。首先介绍了域估计的两种方法，包括直接估计和间接估计，然后对域估计进行了案例分析，最后对间接估计和直接估计的特点进行了对比分析，发现在一般情况下，如果样本量很充足，也无缺失数据，则使用传统的直接估计方法最为便利。当直接估计方法不能很好地满足我们的需求时，使用模型来进行间接估计就是一种必要的选择。     

关于岭估计改进的研究

在奇异线性模型下,基于广义岭估计基础上提出新估计改进,对参数范围扩大化进行了处理,重点验证了新估计的一些重要性质及其优良性.