增长曲线模型参数阵的唯一线性容许Minimax估计

对于一般增长曲线模型 ,在二次损失函数下分别找到了参数阵的线性可估函数在给定的齐次线性估计类和非齐次线性估计类中的容许Miniarx估计 ,并证明了这两种估计分别是唯一的     

二次损失下带约束增长曲线模型的线性容许Minimax估计

在二次损失下,讨论了带等式约束的增长曲线模型的参数阵在适当的线性估计类中是线性Minimax容许估计的充分必要条件.     

矩阵损失下增长曲线模型中共同均值参数的线性估计的可容许性

在矩阵损失函数下，讨论多元线性模型中共同均值参数的线性估计的可容许性，在几种容许性定义下，参数KL的线性估计在线性估计类中是可容估计的充要条件被获得。     

二次损失下方差分量模型中回归系数的线性Minimax估计

考虑方差分量模型,对任一可估函数,在二次损失下得到了线性可估函数在齐次估计类中的唯一的线性Minimax估计.     

增长曲线模型中回归系数的线性估计的可容许性

对增长曲线模型,当协差阵是降秩的,在矩阵损失函数下,本文分别给出了回归系数的线性估计在非齐次线性估计类和全体估计类中是可容许估计的条件.     

线性约束下增长曲线模型中参数的线性估计的可容许性

利用矩阵的向量化方法,研究了带线性约束的增长曲线模型中可估函数的线性估计在非齐次线性估计类中可容许的充要条件。     

二次损失下一般Gauss-Markov模型中可估函数的Minimax可容许性

对一般Gauss-Markov模型在齐次线性估计类中研究了Minimax可容许性,得出了线性Minimax估计在齐次线性估计类中可容许性的充分必要条件,接着对二次损失函数作了一些修改,采用类似齐次线性估计类中Minimax可容许性的研究方法,在非齐次线性估计类中研究了Minimax可容许性,得出了线性Minimax估计在非齐次线性估计类中可容许性的充分必要条件。     

一般生长曲线模型中共同均值参数的线性估计的可容许性

给出了生长曲线中共同均值参数的线性估计在一切估计类中可容许的一个充分条件，并给出了在线性估计类中可容许性的又一证法。     

共同均值矩阵的线性估计的泛容许性

本文给出了共同均值矩阵可估函数的线性估计的泛容性定义，并得到了共同均值矩阵可估函数的线性估计分别在齐次和非齐次线性估计类中的泛容许性特征。     

二次损失下一般Gauss-Markov模型的线性预测的Minimax的可容许性

对不带约束的一般Gauss-Markov模型的线性预测在齐次线性预测类中的Minimax可容许性作了较深入的讨论,得出线性预测在齐次预测类中Minimax可容许的充要条件．     

混合系数线性模型参数的可容许估计

讨论了混合系数线性模型参数估计,给出了完全随机系数的线性模型参数的新估计,证明了这个估计量的可容许性.     

二次损失下增长曲线模型回归系数非齐次线性估计的可容许性特征

本文讨论了增长曲线模型回归系数非齐次线性估计在六种不同形式容许性定义下的可容许性,得到了在估计类￡中KBL的非齐次线性估计在这六种容许性定义下可容许的充要条件.     

二次损失下G-M模型中可估函数的条件Minimax可容许性

在二次损失下,该文关于任意矩阵V对G-M模型讨论了在齐次线性估计类中可估函数的条件Mimimax可容许性.     

回归系数的线性估计在平衡损失下的可容许性

针对多元正态线性模型,根据Zellner提出的平衡损失函数,对其进行变形,定义了更一般的平衡损失函数。研究了在该损失下,多元正态线性模型回归系数矩阵的线性估计在一切估计类中的可容许性,并给出了充要条件。该方法同样适用于线性估计类中的可容许性以及其他的可容许性的研究。     

增长曲线模型中回归参数矩阵在约束条件下的估计

本文给出了增长曲线模型中回归参数矩阵在两种齐次线性约束条件下的最优估计,并讨论了这种估计与无约束模型的LS估计的关系。     

在二次损失下参数估计的可容许性

一方面讨论了在模型H4及二次损失L1下,LY是SXB在线性估计类中的可容许性估计的充分必要条件,另一方面讨论了在模型H4中,当参数ξ服从N(O,In(⊕)V)时,假定这个新的模型记为H41,讨论此模型下参数估计的可容许性的充分条件.     

在带有约束的多元回归模型中共同均值参数的线性估计的可容许性

讨论共同均值参数的线性估计的G－可容许性，在约束的多元回归模型中，参数的线性估计是G－可容许的充要条件被获得，进而，给出由于不同的线性限制所引起的不同的可容许的线性估计 间的一种刻划。     

带有不完全椭球约束的多元线性模型中参数的线性容许估计

本文讨论了多元线性模型在椭球约束：H′NH≤σ^2Im,N≥0参数的线性估计的可容许性。在二次损失下,刻划了可容许线性估计的特征。