一类相依回归模型参数估计的相对效率

对于一类相依回归系统(1),当设计阵X2呈病态时,[1]中提出了协方差阵已知或未知时,估计量β1^~、β1^~(T)的改进估计分别为β1^~(k)、β1^~(T,k)。讨论这两种有偏估计与它们的协方差改进估计β1^~,β1^~(T)及最小二乘估计A之间的相对效率问题,并给出了相对效率的上界或下界。     

SUR回归模型部分系数的协方差改进估计及其有限样本性质

对于多元分析中的ＳＵＲ回归系统，本文考虑系数βｉ的线性估计类，得到了该估计类中的最小协方差一无偏估计βｉ，并应用Ｒａｏ的协方差改进理论证明βｉ是附加信息最优协方差改进估计。在其它备选估计所考虑的条件、或更弱的条件下，得到了非限定两步估计βｉ（Ｓ）有限样本方差结果。     

半相依回归系统参数的c-k型改进估计

针对设计矩阵Xi呈病态时的半相依线性回归系统,提出了系统参数iβ的一种c-k型改进估计,并证明了这种估计在均方误差意义下的若干优良性质.     

半相依回归系统在一类约束条件下的协方差改进估计

对于由两个误差项相关的线性回归方程组成的SUR系统,通常地根据以往的知识经验可以获得有关未知参数β的一些信息,该文就是在线性约束r=Rβ下,讨论SUR系统的协方差改进估计序列及两步协方差改进估计序列的收敛性问题．     

广义岭估计的新定义及其性质

Hoerl和Kennard提出了广义岭估计[1].本文提出了另一类广义岭估计β^(K)=(X'X+K)-1X'Y,K=diag(K1,K2,…Kp),它是岭估计的自然推广,但和前者的广义岭估计不同.证明了存在K＞0使β^(K)的均方误差小于最小二乘估计β=(X'X)-1X'Y的均方误差,并且β^(K)是β的可容许估计.     

基于高阶差分方法半参数回归模型中参数的minimax估计

基于高阶差分方法给出半参数回归模型中参数β的minimax线性估计条件,并指出差分方法下得到的最小二乘估计^βdiff为β的minimax线性估计.另外对差分项存在多重共线性的情况,指出参数β的岭估计^βdiff(k)存在minimax估计优良性的条件.     

矩阵指数范数的新估计方法

放弃了稳定矩阵的指数范数的传统估计方法‖ｅＡｔ‖≤βｅ－αｔ（ｔ≥０），而采用新的估计方法‖ｅＡｔ‖≤ｃＴｅＢｔｂ（ｔ≥０）．新方法具有参数易于确定、估计精度高等优点．结合积分判据，它可应用在时变线性系统、大系统、时滞系统等问题中．     

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．     

约束线性回归模型的一种新的可容许估计

对于带约束的线性回归模型y=Xβ+e,E(e)=0,Cov(e)=σ2W,W＞0,Xβ=0,给出了回归系数的有偏估计β*R(k)=(kM+I)-1β*R,给出了在均方误差阵意义下新的估计β*R(k)优于约束最小二乘估计β*R的条件.     

A股市场系统跳跃风险研究

β系数是现代资本资产定价模型理论研究的热点之一,在新的理论框架下对β系数进行分解,利用二次协变差方法对上海股票市场的β系数进行深入探讨.通过非参数一致估计量分别估计了上海股票市场的系统扩散风险和系统跳跃风险,并对其中30只股票的月扩散风险系数和月跳跃风险系数进行了统计分析.研究表明:上海A股市场的系统扩散风险系数和系统跳跃风险系数存在明显差异,并且系统扩散风险系数普遍大于系统跳跃风险系数.     

平衡损失下回归系数线性估计的容许性

研究带约束的线性模型{Y=Sβ＋ε Eε=0，Eεε′=σ^2I Hβ=0，在平衡损失函数L（d,β）=ω（Y-Xd）′（Y-Xd）＋（1-ω）（Xd-Xβ）′（Xd-Xβ）下，其中0≤ω≤1已知，d为β的一个估计，给出了β的估计LY（LY＋α）在齐次线性估计类L（线性估计类L1）中可容许的充要条件。     

半参数回归模型小波估计的相合性

研究一类固定设计下的半参数回归模型.通过利用最小二乘法、加权最小二乘法及新方法小波估计法给出了未知参数β的估计,在较弱的条件下给出了β的最小二乘估计∧βn的弱收敛速度、强相合性以及加权最小二乘估计~βn的强收敛速度.     

广义线性模型线性约束下参数估计的一个最优性

本文研究广义线性模型在齐次线性约束条件下的参数估计,给出了条件可估函数c‘β在条件Lβ=0下的最佳线性无偏估计c‘(β^)GL,然后从一个新的角度刻划了估计c‘(β^)GL的最优性,即c‘(β^)GL落在以被估参数c‘β为中心的任意一个球内的概率不小于任一个满足Lβ=0的线性无偏估计落在此球内的概率.     

二次损失下可估函数的线性MINIMAX估计的性质及其应用

对于线性模型Ｙ～（Ｘβ,σ２Ｖ）中的可估函数Ｓβ,本文在二次损失Ｌ（β,σ２;ｄ）＝（ｄ－Ｓβ）′ｄ－Ｓβ）／（σ２＋β′Ｘ′Ｖ－１Ｘβ）下讨论了线性估计类中的ｍｉｎｉｍａｘ估计的性质,并利用这些性质徐兴忠得到的线性ｍｉｎｉｍａｘ估计及其最大风险的表达式提供了一个相对简短的证明．     

正态均值线性估计的可容许性

假定多元随机变量Y~Nn(β,σ2V),β∈Rn,σ2>0未知,V≥0已知;讨论了均值向量β的线性估计的可容许性,并在二次损失函数‖δ(Y)-β‖2下,得到了均值向量β的线性估计可容许的充要条件.     

一元线性模型LS估计的r-平均相合性

本文证明了在一定条件下,若LS估计β_(nm)(m是某固定的正整数)是β的r—平均相合估计(r≥2),那么β_n是β的r—平均相合估计     

线性回归模型中K-d型估计研究

考虑线性回归模型Y=Xβ＋ε,E（ε）=0,Cov（ε）=σ2 I,当设计矩阵X的列存在共线性时,最小二乘估计β=（X′X）-1 X′Y的性质变坏,为此给出了有偏估计β（K,d）=（X′X＋K）-1（X′Y＋dβ）,其中K〉0为对角矩阵,ki〉0,-∞〈d〈∞为参数,讨论了这种有偏估计对Liu估计、最小二乘估计的优越性,并证明了其可容许性估计。     

方差分量模型中回归系数估计的可容许性(Ⅱ)

本文考虑方差分量模型Y～N(X β,σ_1~?V_1 σ_2~2V_2)中β的函数g(β)的估计在一般估计类D_1中且在平方损失下的可容许性问题.给出了当X=In时β的估计AY为D_1可容许的充分条件.以及可估函数Sβ的估计AY为D_1可容许的充分条件.同时给出了可估函效Sβ的非齐次线性估计AY a为D_1可容许的充要条件及充分条件.本文还讨论了在矩阵损失下方差分量模型中回归系数估计的可容许性,并得到了估计量为可容许估计的充分条件.     

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．     

矩阵指数范数的新估计方法

放弃了稳定矩阵的指数范数的传统估计方法‖ｅ＾Ａｔ‖≤βｅ＾－ａｔ（ｔ≥０），而采用新的估计方法‖ｅ＾Ａｔ‖≤Ｃ＾Ｔｅ＾Ｂｔ（ｔ≥０）。新方法具有参数易于确定、估计精度高等优点，结合积分判据，它可应用在时变线性系统、大系统、时滞系统等问题中。