相依样本下线性模型的最小二乘估计

对混合样本的线性回归模型给出最小二乘估计的ｒ阶矩组合的充分条件，改进了文（２），（３）和（４）中的有关结论，得到较理想的结果。     

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。     

最小二乘参数估计若干问题的讨论

讨论了最小二乘估计中应注意的几个问题,指出了最小二乘估计的一些新的研究和应用方向。     

一类分块混合效应模型的参数估计

研究一类分块混合效模型中部分固定效应向量的估计问题，为得到其可行的最佳线性无偏估计，提出了一种减约模型，并给出了由此减约模型得出的可行估计等于原模型下相应的最佳线性无偏估计的充分必要条件，并以实例说明文中结果。     

线性回归诊断中的高杠杆点度量

本文基于线性回归模型提出了一种新的影响度量矩阵,通过对其性质的研究及从数据加权扰动角度分析指出了其对角元比传统度量意义更加鲜明,更易识别出高杠杆点.在此基础上提出岭估计下的影响度量矩阵,进一步提出并研究了岭估计的高杠杆点度量,得到岭估计与最小二乘估计在数据加权扰动时的高杠杆影响变化程度相同的结论,并指出其比前人文献中的度量形式更加简洁.     

几种线性回归方法的比较

对两种对称性线性回归方法X方向和Y方向的经典线性回归进行了深入的分析和比较，推导和证明了它们的一些特点与性质，在此基础上得出了一些对实际应用有指导意义的结论。     

部分线性模型参数估计的Bahadur渐近有效性

文中讨论了部分线性模型 Ｙｉ ＝ Ｘ Ｔｉ Ｕ＋ ｇ （ Ｔｉ） ＋ Ｘｉ,ｉ＝ １,２,…,ｎ 中参数 Ｕ估计的性质,这里ｇ 是未知的 Ｈ氹ｌｄｅｒ 连续函数, Ｘｉ 是随机误差,（ Ｘｉ, Ｔｉ）,ｉ＝ １,２,…,ｎ 是已知的设计点。在某些条件下,证明了 Ｕ的最小二乘估计和最大似然估计是 Ｂａｈａｄｕｒ 渐近有效估计。     

多维线性模型参数估计的神经网络方法

本文提出一种用于多维线性模型（ＡＲ，ＡＲＭＡ）参数估计的神经网络方法和相应的递归预测误差算法。本文在分析多输入、单输出，含一个隐含和多层神经网络的输入输出关系的基础上，提出了首先将理想输出Ｘｉ进行预畸变（Ｆ（Ｘｔ））作为神经网络的训练目标。当神经网络训练完毕后，网络的连接权就是待估计的线性模型参数。本文提出方法的优点是网络结构简单，估计结果准确。仿真模拟结果表明，本文所提出的神经网络方法估计多维线性模型参数是有效的。     

参数估计中自动剔除粗差的研究

经典最小二乘参数估计根据３σ剔除粗差的方法，可靠性较低。本文在分析粗差与改正数、粗差与多余观测分量关系的基础上，引入了数据探测理论和选权迭代的方法，对单个粗差及多个粗差的剔除进行了分析和计算，并比较分析了两者应用的可能性。     

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。     

部分变量带误差的线性函数关系模型的参数估计及相合性

本文讨论了部分变量带误差的线性函数关系模型的参数估计问题，在较弱条件下证明了所获得的估计的强相合性，并给出了收敛速度。     

对X和Y方向最小二乘线性回归的讨论

对X和Y方向最小二乘线性回归方法进行了深入的分析和比较，讨论了它们的一些特点和性质。     

多元线性正态SRM参数估计的渐近协方差阵及其估计

针对多元线性正态结构关系模型（SRM）,本文给出了真值向量协方差阵的广义逆构造,并在三种常见误差协方差阵假定下应用标准5法分别给出了模型结构参数约束最小二乘估计的渐近协方差阵及其相合估计。     

部分线性模型中参数分量与非参数分量估计的收敛速度

对于部分线性回归模型,基于未知函数 ｆ （·） 与 ｇ （·） 分别取一类核估计和最近邻估计,文中构造了参数β的最小二乘估计β和加权最小二乘估计β,获得了参数β估计量的渐近正态性与函数ｇ （·） 估计量的最优弱收敛速度。     

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.     

有约束的混合系数线性模型参数的估计

提供了在连续测量数据的背景情况下，给出了线性模型：{Zi=Xia Yiβi εi i=1,2,……，m βi^i.i.d.～（b,∑）εi^i.i.d.～（0,σ^2Ini)具有约束H（a‘,b‘)‘=0时，固定系数a和随机系数β的一种估计，并讨论了该估计的性质。     

辨识参数带约束的最小二乘法估计

通过讨论系统输入输出的极限形式,给出了系统参数的一个约束条件。在此约束条件下讨论系统的参数估计问题,给出了系统参数约事条件的最小二乘估计,由于在约束条件中随机干扰的影响几乎可以忽略,因此可以较准确地反映辨识参数间线性关系,仿真例子表明,这种带约束的最小二乘估计比最小二乘估计具有更高的辨识精度。     

线性参数累积法处理时的精度估计

精度估计是线性参数处理中重要的一部分,而累积法是进行线性参数处理的一种新方法。为此在简述了普通累积法的概念和进行线性参数估计的原理之后,推导出了等精度测量时线性参数精度估计的计算过程和公式,并以测量铜棒长度和线性膨胀系数为例,对其进行了精度估计。结果表明,计算过程简便、公式正确。对于不等精度测量,只需要转化为等精度测量即可。     

在多元正态线性模型中利用专家意见确定先验分布

本文在（２）的基础上，进一步研究了利用专家意见确定多元正态线性模型的共轭先验分布的方法。     

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。