广义岭估计的效率

本文讨论了Guass-Markov模型中未知参数的LSE^↑β的改进,引入了一种估计的相对效率,证明了广义岭估计比（狭义）岭估计的效率较高。     

一般广义岭估计效率的更优下界

考察一般Gauss-Markov模型中未知参数向量β的一般广义岭估计的优良性质。对最小二乘估计相对于一般广义岭估计效率的下界问题作进一步的探讨,得到其更优的下界．     

LSE相对于一般广义岭估计的效率下界

考察一般Gauss-Markov模型中未知参数向量β的估计的改造问题,进一步讨论了方兴等人提出的一种估计的相对效率,对其部分结果进行推广,得到LSE相对于一般广义岭估计的效率的下界.     

广义岭估计优于LS估计的一个充分条件

本文对线性回归模型给出了其参数β的广义岭估计优于LS估计的一个充分条件,从而把文献[1]中,岭估计优于LS估计的充分条件统一起来     

最小二乘估计相对于岭估计的效率下界

考察一般Gauss-Markov模型中未知参数向量β的岭估计的优良性质,在文献[1]提出的估计(~β)相对于估计(^β)的(相对)效率e((~β)|(^β))下,进一步讨论了最小二乘估计(LSE)相对于岭估计的效率下界,得到更好的结果.证明了:当X呈病态时,采用些估计以损失无偏性来换取更小的均方误差是可取的.     

约束线性回归模型回归系数的广义条件岭估计

对齐次等式约束线性回归模型回归系数的岭估计进行推广,得出广义条件岭估计．证明了在一定的条件下,在均方误差矩阵、均方误差及广义均方误差意义下广义条件岭估计都优于约束最小二乘估计,并且证明了广义条件岭估计是回归系数的可容许估计．     

线性模型的广义岭型组合主成分估计

对设计阵X呈病态的线性回归模型,提出回归系数有偏估计的一种广义岭型主成分估计.均方误差意义下,在一定条件下它优于岭型主成分估计、Stein型主成分估计.证明了它的可容许性和较强的抗干扰性以及Pit-man准则下的优良性.     

非齐次等式约束线性回归模型回归系数的广义条件岭估计

时非齐次等式约束线性回归模型回归系数提出广义条件岭估计.证明了在一定的条件下,在均方误差矩阵、均方误差及广义均方误差意义下,广义条件岭估计都优于约束最小二乘估计和狭义条件岭估计.     

PC准则下生长曲线模型回归参数阵广义岭估计的优良性

一般而言，PC准则是用来比较向量参数两个估计优劣的一种准则。本文将它推广应用于生长曲线模型回归参数阵的最小二乘估计和广义岭估计优劣性的比较。给出了广义岭估计在PC准则下优于最小二乘估计的条件。     

一般岭估计与BLUE的一个新的相对效率

考虑了Gauss—Markov模型中未知参数向量p的最佳线性无偏估计的改进问题,对一般岭估计与BLUE进行了比较,给出了一般岭估计与BLUE的一种新的相对效率e,并导出了e的下界．     

广义根方估计的效率

讨论了线性回归模型中未知参数最小二乘估计的改进,引入了一种估计的相对效率,证明了广义根方估计比狭义根方估计的效率较高。     

由最大特征根导出的一种新的相对效率

该文对于线性模型y=Xβ＋ε,E（ε）=0,cov（ε）=V〉0,从最大特征根出发．定义了相对效率e5（β（D））=λ1（cov（β^＊））/λ1（cov（βD））,研究了e5（β（D））的下界为Wn-p＋iδ1^-1/W1δ1^-1,并讨论了e5（β（D））与广义相对系数pz之间的关系。     

岭型主相关估计的方差最优性

研究回归系数岭型主相关估计在降维估计类中的方差最优性,证明它的方差阵最小,方差阵的特征值最小,并讨论它的方差在正交不变范数意义下的最小性及方差的最值性。     

广义转折关系复句偏误的三个平面分析与教学

文章划定了广义转折关系复句的范畴,从广义的转折关系复句入手,通过对暨南大学“留学生中介语语料库”中转折复句的检索,分析、归纳了偏误的转折关系复句的类型,从三个平面分析讨论了留学生在习得这一类型的复句存在的共性问题,以指导第二语言教学。     

高阶常微分系统广义第二谱的上界

考虑高阶微分系统在有限区间上广义谱的上界估计,此问题是某类六阶微分系统离散谱问题的自然延伸,首先用向量和矩阵符号,将方程组写成矩阵形式,并选择合适的试验函数,利用广义Rayleigh定理建立一基本不等式,其次利用矩阵运算、分部积分、Schwartz不等式等方法,证明了五个引理,最后得到了用第一个谱来估计第二个谱的显式上界不等式,且其估计系数与区间的度量无关,其结论是文献定理的进一步拓展.