一般增长曲线模型中随机回归系数线性估计的可容许性

本文在矩阵损失下研究了一般增长曲线模型中随机回归系数线性估计的可容许性。分别在齐次线性估计类和非齐次线性估计类中得到了随机回归系数的一个线性估计是可容许的充要条件。     

均值向量的线性函数估计的线性可容许性

设Ｙ＝（Ｙ１,…,Ｙｎ）＇相互独立。考虑模型｛ＥＹ＝β△↓＝（α１ｆ（θ１）,…,αｎｆ（θｎ））＇ ｃｏｖ（Ｙ）＝ｄｉａｇ（α１ｇ（θ１）,…,αｎｇ（θｎ））其中ｆ（·）、ｇ（·）是定义在（０,＋∞）上的取正值的已知函数,α＝（α１,…,αｎ）＇∈Ｒ＋＾ｎ,θ＝（θ１,…,θｎ）＇∈Ｒ＋＾ｎ均为未知参数向量。本文讨论了ｐ＇β的线性估计的线性可容许性,获得了充要条件。     

带线性不等式约束的线性模型中线性预测的可容许性

本文刻画了线性模型在线性不等式约束条件下的线性预测的可容许性。我们给出了条件线性可预测变量和线性不等式约束条件下可容许预测的定义,在二次损失函数下,讨论了齐次和非齐次线性预测可容许性的关系,得到了条件线性可预测变量的线性预测是可容许线性预测的充要条件。     

约束线性模型中回归系数的所有可容性许估计

对于带有不完全椭球约束的线性模型Y～N(Xβ,V),β′X′NXβ≤1(N≥0,V＞0已知)本文给出了β(可估或不可估)的线性估计LY+d在二次损失下在一切估计类中可容许的充要条件.     

二次损失下带线性等式约束的多元线性模型中线性预测的可容许性

本文在二次损失下研究了带线性等式约束条件的多元线性模型中条件线性可预测变量的可容许线性预测,并分别在齐次线性预测和非齐次线性预测类中得到了条件线性可预测变量的一个线性预测是可容线性预测的若干充要条件.     

增长曲线模型中回归系数的根方估计

本文采用根方估计Ｂ（ｍ）（０＜ｍ＜１）来估计增长曲线模型中回归系数Ｂ，通过根方参数ｍ值的选取，可使β（ｍ）＝Ｖｅｃ（Ｂ（ｍ）的均方程误差（ＭＳＥ）小于β＝Ｖｅｃ（Ｂ）的ＬＳＥβ的ＭＳＥ，本文还给出了选取ｍ值的三种方法及应用实例。     

线性等式约束下一般生长曲线模型参数阵的BLU估计

研究了线性等式约束下一般生长曲线模型，得到了条件线性可估函数的最优线性无偏估计，并证明了在几乎处处意义下是唯一的。     

多元线性模型回归系数的主成分估计

本文对多元线性模型回归系数提出了主成分估计，并证明了主成分估计优于最小二乘估计。进一步，对最小二乘估计的任一线性变换，给出了均方误差的一个无偏估计，并应用极小化均方误差的无偏估计的方法，给出了确定偏参数的公式。     

向量损失与矩阵损失的可容许估计

本文考虑向量损失函数与矩阵损失函数的估计问题，讨论了两种损失之估计的可容许性之间的联系，并对正态分布情形给出了通常估计量的向量损失与矩阵损失的（广义）Ｂａｙｅｓ估计和可容许估计。     

线性回归模型系数Stein估计的改进研究

针对线性回归模型病态的根本原因，提出了一类新的估计——c-k型估计，将岭估计与Stein估计统一到一个估计类；研究了这一估计类，证明利用岭回归技术可以改进著名的Stein估计(在均方误差意义下)；同时研究了相应参数的最优值，分别给出了它的一个上界及下界，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．     

线性回归模型系数岭估计的改进研究

对作者提出的c—k型估计，进行了进一步的研究．证明利用Stein式压缩技术可以改进岭估计(在均方误差意义下)；同时给出了参数的最优值满足的条件．证明了c—k型估计的可容许性．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．     

扩展增长曲线模型中协差阵的最小模估计问题

考虑扩展增长曲线模型Ｙ＝Σ＾（ｍ，ｉ＝１）ＸｉｂＩＺ’ｉ＋Ｕε其中Ｘｉ，Ｚｉ，Ｕ均为已知矩阵，Ｒ（Ｚ１）∩←…∩←Ｒ（Ｚｍ），Ｂｉ是回归系数国，Ｙ＝（ｙ（１），…，（ｙ（ｎ））‘和ε＝（ε（１），…，ε（ｓ）’分别是ｎ×ｐ观测资料矩阵和ｓ×ｐ随机误差矩阵。     

混合样本线性模型参数M估计的强相合性

研究了P混合, 混合和ψ混合样本线性模型中的M估计,在较弱的矩条件和混合系数条件下,获得了M估计是强相合的充分条件.与相应结论比较,有了较大的实质性改进.     

线性模型参数的LS估计及其改进

线性统计模型的参数估计问题是统计学中一个“古老”而至今仍十分活跃的重要领域。其中LS估计占突出重要的地位,它既便于使用,又在一定条件下是最优线性无偏估计(BLUE);因此,倍加重视对它的研究,既研究它的广泛应用和优良性,又探讨它的不足和改进。本文在综述线性模型参数的LS估计及其优良性的基础上,重点研讨了它的各种改进。计有岭估计、压缩估计、主成分估计、Casclla估计、Bayes估计等,最后给出权估计与权概括。在一定条件下,这些改进的估计都一致优于LS估计。     

回归系数的局部根方有偏估计

线性回归模型中回归系数β的估计常用最小二乘估计(LSE)．当自变量间存在多重共线性关系时，最小二乘估计就失去了它的优良性．文提出了一种局部根方估计．证明了它的种种优良性．如容许性、相合性、Ф优良性、优效性及其对最小二乘估计抗干扰性的改进．结出了在均方误差(MSE)准则和Pitman靠近准则下该估计对通常根方估计和LSE改进的范围。     

矩阵损失下线性混合模型中的局部线性Minimax估计

本文研究了一般线性混合模型中固定效应和随机效应的线性组合的Minimax估计问题.在矩阵损失函数下,考虑了这个组合的线性估计在线性估计类中的局部极小极大性.关于适当的假设,得到了线性可估函数的唯一局部线性Minimax估计.     

聚集数据的线性模型参数的改进Peter－Karsten估计

文献［１］结出了聚集数据的线性模型参数的两种估计方法。本文利用引理２对两种估计作了改进，并研究了其效率问题。     

聚集数据线性模型参数的一种新估计

文献（１）给出了聚集数据的线性模型参数的两种估计方法，本文提出一种新的估计方法，并在理论和数值模拟方面证明了新估计较原估计有更高的精确度。     

聚集数据的线性模型参数的改进Peter—Karsten估计

文献〔１〕给出了聚集数据的线性模型参数的两种估计方法，本文利用引理２对两种估计作了改进，并研究了其效率问题。     

一类具有椭球误差的多元线性模型参数的Bayes估计

本文讨论下列线性模型Ｙｍ×ｎ＝βｍ×ｐＸｐ×ｎ＋βｍ×ｎ其中ε服从一类特殊的矩阵椭球分布，特征矩阵为Σ＾～ｍｎ×ｍｎ＝Σｎ×ｍ⊙Ｖｍ×ｍ。给出了在Σ＞０已知；Ｖ＞０，已知，Σ＝σ＾２Ｉｎ，σ＾２＞０未知；Ｖ＞０未知三种情形下参数矩阵β的Ｂａｙｅｓ估计。