平衡损失下回归系数的最小风险估计

研究了线性模型中回归系数的最小风险估计问题.在平衡损失函数下,考虑了回归系数线性估计在线性估计类中的最小风险性,结果表明最小风险估计是非线性有偏估计,它与未知参数有关,当用未知参数的不同估计代替时,得到的估计都是一种估计的平衡.     

平衡损失下奇异线性模型中线性估计的可容许性

在平衡损失函数下,给出奇异线性模型中回归系数线性估计的可容许的定义,并得到齐次线性估计类中线性估计可容许性的充分必要条件.     

回归系数的线性估计在平衡损失下的可容许性

针对多元正态线性模型,根据Zellner提出的平衡损失函数,对其进行变形,定义了更一般的平衡损失函数。研究了在该损失下,多元正态线性模型回归系数矩阵的线性估计在一切估计类中的可容许性,并给出了充要条件。该方法同样适用于线性估计类中的可容许性以及其他的可容许性的研究。     

多元线性模型回归系数估计在矩阵损失下的可容许性

推广了吴启光关于一元线性模型回归系数估计的可容许性的结果，得到了多元线性模型回归系数的估计可容许的充要条件。     

平衡损失下回归系数James-Stein估计的性质

在平衡损失下给出了回归系数James—stein估计优于最小二乘(LS)估计的充要条件，得到了在Pitman close—ness准则下James—Stein估计相对于LS估计的优良性。     

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。     

未知方差下回归系数常用估计的可容许性

假设一个”维随机向量Y服从正态分布N(β，σ^2In)。在二次损失下，当n≥3和σ^2已知时，Stein在1956年指出Y不是β的容许估计，这是统计判决理论中一个著名的结果，成平在1982年对Stein结果给出了一个有趣的补充，他证明了当σ^2未知时，Y是β的容许估计。这篇文章是成平结果的一般化，即在一个宽广的分布类中，证明了当方差未知时，回归系数最小二乘估计是容许的。这表明当方差未知时，回归系数最小二乘估计是一个适合的估计。     

矩阵损失下带约束的回归系数Minimax可容许性的特征

在矩阵损失下给出了带约束回归系数线性估计在齐线性估计类中是Ｍｉｎｉｍａｘ可容许估计的充要条件。     

平衡损失下带约束的回归系数的线性容许估计

文章在推广的矩阵形式的平衡损失函数下,利用矩阵的向量化方法,研究了带线性约束的多元线性模型中回归系数的线性可容许估计;并在齐次线性估计类和非齐次线性估计类中,分别得到了齐次线性估计和非齐次线性估计是可容许估计的充分和必要条件,推广了有关文献的结果。     

矩阵损失下线性估计可容许性的注记

研究矩阵损失下线性模型中线性估计的可容许性, 利用矩阵论的相关知识给出了齐次线性估计类和非齐次线性估计类中可容许估计的新刻画, 并举例说明所给条件更易于应用.     

加权平衡损失下一类单参数指数分布族参数估计的可容许性

在加权平衡损失函数下,考虑了一类单参数指数参数分布族,得到了参数的Bayes估计,并讨论了一类c T+d形式估计的可容许性和不可容许性.     

线性估计在矩阵损失下的可容许性

研究了多元线性模型Y～N(XΘ，σ     

平衡损失下Possion分布参数的估计

设X1,…,Xn是Possion分布总体P的样本,其中是未知参数.在平衡损失函数下,取共轭先验时,得到了的Bayes估计,进而讨论了的形如aX+b的估计的容许性问题.     

向量损失函数下均值向量线性估计的可容许性

在向量损失函数下,讨论了模型(H)EY=XβCovY=Xdiag(β1,β2,…,βn)X′中估计均值向量时,齐次线性估计在L1={LY:L为元素均为非负的k×n矩阵}中的容许性,及非齐次线性估计在L2={LY C:L为元素均非负的k×n矩阵,C为k维元素均严格非负的列向量}中的容许性,并获得了相应的充要条件.     

矩阵损失下非齐次线性估计关于不等式约束的可容许性

对于一般的Ｇａｕｓｓ－Ｍａｒｋｏｆｆ模型,给出了当回归系数受一个不等式约束时,在矩阵损失下,非齐次线性估计保容许的充要条件。     

二次损失下齐次线性估计类中关于不等式约束的可容许估计

刻划了线性模型(Y,Xβ,σ2V)在不等式约束r'β≥0条件下的线性估计的可容许性,在二次损失下,给出了在齐次线性估计类中可容许的一个充要条件。