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．     

协方差阵扰动模型岭估计的影响分析

本文证明了线性回归中协方差阵扰动模型岭估计的某种极限是数据删除模型的岭估计，建立了协方差阵扰动模型岭估计与Ｇ－Ｍ模型岭估计之间的关系，讨论了协方差阵扰动和数据删除对岭估计的混合影响，求得了岭估计的基于有偏估计的Ｃｏｏｋ距离。     

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。     

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.     

半相依回归系统的岭型主成分改进估计

对于一类半相依回归系统，本文提出了一种岭型主成分改进估计，并讨论了这种估计及相应的两步估计的优良性质，获得了若干深入的结果。     

应用最优化方法辨识指数自回归模型

本文研究应用非线性最优化原理辨识指数自回归模型的方法，以Ｎｅｗｔｏｎ一维搜索和线性回归法为基础，提出一种改进的坐标轮换算法，交替地估计模型的线性和非线性参数。实例表明，该算法对指数自回归模型具有良好的辨识效果。     

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。     

Birmbaum信息矩阵及其上界

本文将单参数Ｂｉｒｍｂａｕｍ信息函数推广到多参数及协方差矩阵可以退化的情形，定义了Ｂｉｒｍｂａｕｍ信息矩阵，确定了Ｂｉｒｍｂａｕｍ信息矩阵上界，然后，本文研究了回归系统ＬＳ估计、广义岭估计、Ｓｔｅｉｎ估计和主成分估计的Ｂｉｒｍｂａｕｍ信息矩阵。     

误差方差不等的变量含误差直线回归模型：参数的驻点似然估计及强…

本文讨论了含有一个自变量且自变量误差方差与因变量误差方差不等的变量含误差线性回归模型。由于对这种模型最大似燃估计失去作用，文中提出了一种新的估计方法－驻点在估计。     

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］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。     

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.     

结构损伤识别的一种反馈岭估计方法

利用含有测量噪声的数据进行结构损伤识别时,经常出现病态最小二乘问题,可能导致计算结果完全失真。为了显著提高计算精度,在岭估计的基础上,进一步提出了一种反馈岭估计方法,以获得精确并具稳定的损伤识别结果。所提的反馈岭估计方法主要分为三个步骤:对结构损伤评估中的线性方程组进行第一次岭估计计算,得到损伤参数的粗略解;根据损伤参数的粗略解,设计一个新的对角矩阵,用于随后的反馈岭估计(即第二次岭估计)计算中;对损伤评估线性方程组进行第二次岭估计计算(即反馈岭估计),最终获得损伤参数的高精度解,据此来对结构中的损伤位置和严重程度进行判定。以一个梁结构作为数值算例,讨论了所提方法在10%噪声水平下的有效性,并把计算结果与普通岭估计和奇异值截断法进行了比较,结果表明:所提反馈岭估计方法大幅度提高了计算精度,即使在10%的噪声水平下,该方法也能获得精度很高的计算结果。     

误差方差不等的变量含误差直线回归模型──参数的驻点似然估计及强相合性

本文讨论了含有一个自变量且自变量误差方差与因变量误差方差不等的变量合误差线性回归模型。由于对这种模型最大似然估计失去作用，文中提出了一种新的估计方法──驻点似然估计。这种方法就是，用使似然函数达到驻点的参数值作为参数真值的估计。作为此估计法的实际应用，本文导出了所讨论模型的参数的驻点似然估计。然后证明了所得到的估计在一定条件下是模型参数的强相合估计。     

带约束的增长曲线模型中回归系数线性估计的可容许性

在两种矩阵损失函数下讨论了带约束的增长曲线模型中回归系数线性估计的可容许性,并在齐次线性估计类和非齐次线性估计类中得到了容许性的充要条件.     

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     

标准Brown运动的Stein扩散逼近的误差估计

本文用Stein方法建立了概率空间上标准Brown运动的扩散逼近的新的一般的误差估计。所得结果改进与推广了熟知的结果。     

非线性模型中拟似然估计的小样本性质

在一类非线性模型中，本文利用了文［３］投影似然方法，推导出了拟似然得分函数是线性无偏估计函数类中唯一最优估计函数，推广了古典线性模型中著名的Ｇａｕｓｓ－Ｍａｒｋｏｖ定理。最后，证明了拟似然估计（ＱＬＥ）比最大似然估计（ＭＬＥ）效率低，从而进一步证实了文［２］的结论。     

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。