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。     

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。     

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。     

具有先验信息的线性模型参数估计精度影响的度量

从广义方差比，协方差迹之经以及均方误差这三个不同的度量指标刻划了用最小二乘估计代替具有先验信息的线性模型的混合估计后对估计精度的影响问题。     

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。     

半参数回归模型的泛补偿最小二乘估计

本文首先提出泛补偿最小二乘法：接着,使用该法考虑半参数回归模型,得到了参数及非参数的估计。然后,将泛补偿最小二乘法与补偿最小二乘法进行了比较;最后用模拟的算例说明了该方法的有效性。     

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。     

PC准则下生长曲线模型回归参数阵岭估计的优良性

将 PC准则推广应用于生长曲线模型参数阵的最小二乘估计和岭估计优劣性的比较 ,给出了岭估计在PC准则下优于最小二乘估计的条件     

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。     

圆参数的两步估计

在许多工程技术领域经常会遇到用一个圆形去拟合一组观测数据的问题。本文用异方差线性模型提出了圆心和半径的两步估计。利用模型设计阵的特殊结构,建立了最小二乘估计、最佳线性无偏估计和两步估计的协方差阵的很有用的分解式。据此,导出了两步估计的一些重要统计性质。特别,应用Kantorovich不等式获得了两步估计优于最小二乘估计的条件。同时,本文给出了两步估计相当于最佳线性无偏估计相对效率的下界,这个下界表明,既使样本容量不太大,两步估计也有较高的相对效率。最后、本文还证明了观测点在圆周上均匀分布时最小二乘估计的优良性。     

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。     

约束条件下的线性贝叶斯估计

本文提出等式约束下线性模型中回归参数的线性贝叶斯估计,证明其在均方误差矩阵准则下相对于约束最小二乘估计的优越性,并采用蒙特卡洛模拟和数值算例验证其优越性．     

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。     

部分线性模型非参数部分的多项式关系检验

对于部分线性模型中非参数部分是否为某一特定阶数的多项式函数的检验问题,本文基于比较原假设与备择假设下模型拟合的残差平方和的思想构造了检验统计量,给出了计算检验p-值的精确方法和三阶矩x2逼近方法.另外我们讨论了广义似然比检验统计量的构造,并给出了其在原假设下的渐近分布.最后通过数值模拟验证了我们所提检验方法的有效性.     

基于稀疏模型的人脸姿态估计

针对现有的人脸姿态估计方法易受"自遮挡"影响,采用改进的ASM算法提取人脸特征点,并利用人脸形态的几何统计知识来估计人脸特征点的深度值。以人脸主要特征点建立人脸稀疏模型,在利用相关人脸特征点近似估计人脸姿态后,通过最小二乘法精确估计三维人脸空间姿态。实验结果表明,对于"自遮挡"情况,该方法仍有较好的估计结果,与同类方法比较具有良好的姿态估计精度。     

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。     

基于抗差估计方法的原子钟模型参数求解

引入参数求解的抗差估计方法,给出了原子钟模型参数详细计算方法.计算结果表明,抗差估计方法通过构造等价权函数能够克服粗差等异常观测数据的影响,得到更为可靠的模型参数解.     

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。     

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。