相依回归系统参数的一种有偏估计

对二个相依回归方程组相的线性系统,提出了两种新的有偏估计－广义岭型协方差改进估计和广义岭型两步协方差改进估计。讨论了这两种估计的优良性质,给出了这两种估计是岭型协方差改进估计和岭型两步协方差改进估计的推广。     

一类相依回归模型参数的组合主成分改进估计

针对两个相依方程组成的一类回归模型,提出回归系数的一种组合主成分改进估计方法,在均方误差意义下讨论了这种估计量的优良性质,研究了此估计与主成份改进估计的关系.     

对角线性有偏估计类

提出的对角线性有偏估计类 ,它包含中外统计学者提出的 12种线性有偏估计 .     

聚集数据的线性模型参数的有偏估计

对于聚集数据的线性模型,提出了二种有偏估计,在均方误差(MSE)意义下,讨论了它们的优良性质,并将这二种估计进行了比较.本文提出的估计,优于有关文献中的结果.     

最小均匀误差LB估计

文中讨论的是回归系统的线性有偏估计问题，并给出了一个重要结果，这就是最小均方误差意义下的回归系数的线性有偏估计。     

半参数回归模型的差分估计

首次用差分法考虑半参数回归模型，得到了参数和非参数的统计估计量β^、g(t)和δ^2；接着讨论了它们的一些统计特性；最后用均方误差来衡量g-g及β^-β的大小。     

线性模型中一些有偏估计在MSE准则下的优良性

对于线性回归模型Y=Xβ+,εE(ε)=0,cov(ε)=σ2V,V≥0,针对设计阵多重共线性问题,给出了回归系数的几个有偏估计,并讨论在MSE准则下优于广义最小二乘估计的条件,解决了复共线性的回归问题.     

母体均值的最小均方误差线性估计

本文讨论母体均值的线性有偏估计问题，给出了在均方误差意义下线性有偏估计优于样本均值的充要条件。在一些常用分布的场合，得到了母体均值的最小均方误差线性估计．     

最小均方误差 LB 估计

文中讨论的是回归系数的线性有偏估计问题，并给出了一个重要结果，这就是最小均方误差意义下的回归系数的线性有偏估计。     

矩阵损失下一类相依回归模型中的可估函数的线性Minimax估计

研究了相依回归模型(1)在改写为模型(2)后,对Cov(Y)=σ2(∑In)中σ2>0未知而∑>0已知时,在矩阵损失下给出一个线性可估函数SXβ的惟一线性Minimax估计.     

一类具有可调参数有偏估计器的稳健性（Robustness）

在“一种用于在线控制的快速高精度估计器”一文的基础上，进一步研究了具有可调参数估计器ＲＢ（β，γ）的稳健性．当各种随机扰动不可避免出现时，在处理具有近似奇异设计矩阵的生化反应系统及化学反应系统的多数估值问题中，它比最小二乘估计器及岭估计器具有更快的收敛速度及更高的收敛速度．     

回归系数的t-k类估计

在线性回归中,当设计矩阵的列向量间存在复共线性时,回归系数的最小二乘估计的性质显著变坏.为了消除或减弱复共线性对参数估计的影响,以获得更高精度的参数估计,在均方误差矩阵意义下,提出了回归系数的一类新的估计,即t-k类估计,它是对最小二乘估计的改进,是一种新的压缩有偏估计.并且与最小二乘(LS)估计、岭估计和主成分估计进行比较,给出了在均方误差矩阵意义下,t-k类估计优于这些估计的充要条件以及这些条件的检验方法.     

线性模型中回归系数的c-K型估计及其优良性

将张建军等人提出的c-K估计推广至c-K估计的情形,证明了在均方误差意义下利用Stein压缩技术可以改进广义岭估计,并给出了下c-K估计优于最小二乘估计的一个充分条件,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．     

岭参数的又一确定方法

文献[1]给出了一种从小于最优岭参数k0的初值出发逐步改进岭参数的方法。这种方法改进了Hoerl和Kennard的结果。本文给出了另外一种从大于最优岭参数k0的初值出发逐步改进岭参数的方法。在实际应用中,这2种方法互为补充。