约束线性模型下回归系数的条件根方估计

本文提出了约束线性模型下回归系统的条件根方估计和广义条件根方估计,证明了在一定的条件下,两者在均方误差意义都能很好地改进回归系数的约束最小二乘估计,并讨论了它们的可容许性及广义条件根方估计中未知参数的选取方法。     

关于“一致估计”几个定理的推广

对概率统计中的点估计的一致性问题进行了讨论，内容涉及参数的无偏估计、一致估计、均方一致估计等。     

非齐次等式约束线性回归模型回归系数的条件岭型估计

对非齐次等式约束线性回归模型提出一种有偏估计,即条件岭型估计,证明了在一定的条件下,在均方误差及均方误差矩阵意义下都优于回归系数的约束最小二乘估计,并给出了两次随机数据模拟的结果,模拟数据结果表明在一定的条件下,条件岭型估计优于最小二乘估计.     

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.     

广义均方误差标准下双类估计优于最小二乘估计的充分条件

本文通过一个比较简洁的方法,得到了在广义均方误差标准下双类估计优于最小二乘估计的充分条件。     

呈现病态的设计矩阵之下回归系数的优化估计

在均方误差(MSE)准则下,给出了设计矩阵呈现病态时回归系数的分段优化估计,以及扩大了狭义岭估计类的范围.     

一般Gauss-Markov模型中参数岭估计的可容许性的一个证明

讨论一般Gauss-Markov模型中参数岭估计的有关问题，并在均方误差矩阵意义下，证明了一般岭估计在线性估计类中是否容许估计。     

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．     

广义压缩最小二乘估计的优良性

本文讨论了广义压缩最小二乘估计的均方误差、均方残差的一些性质，另外还分别在Ｑ（ｃ）准则及Ｐｉｔｍａｎ准则下讨论了广义压缩最小二乘估计的优良性。     

线性模型中压缩主成分估计的若干性质

讨论了压缩主成分估计的若干性质,证明了在一定条件下此估计比最小二乘估计有更小的广义均方误差,并且在PC准则下也优于最小二乘估计．     

约束条件下的广义最小二乘估计

本文仿造约束最小二乘估计和广义最小二乘估计的推导方法．给出约束条件下的广义最小二乘估计。     

线性混合模型中固定效应参数的几类估计

文中首先将随机效应不同的线性混合模型转化为满足假设的线性模型.在此基础上,根据不同的情况,对其中的固定效应参数作最小二乘估计;当模型在较强的复共线性时,相应的对其做岭估计,并比较最小二乘估计与岭估计之间的优劣;当其中的随机变量之间并不独立时,通过对模型的变换,求出参数的广义最小二乘估计.     

基于稳健估计的混凝土抗压强度测试分析

应用基于稳健估计和基于最小二乘法的三次多项式曲线模型,分析混凝土在养护28 d期间抗压强度的变化规律,相比传统最小二乘法,稳健估计能够减小数据误差对拟合曲线的影响,从而达到与实际测量相吻合的效果,较准确地预测出混凝土在不同养护时期的抗压强度值。     

一般广义岭估计的效率上界

考察一般Gauss-Markov模型中未知参数向量的最优线性无偏估计的改造问题,讨论了方兴等人提出的最优化无偏估计的一种估计的相对效率,把该文中给出的一般岭估计的相对效率的上界,推广到一般广义岭估计的相对效率的上界.yh     

二维RAKE接收机中一种约束最小二乘信道矢量估计算法

针对移动通信中目标方位变化比信道衰落变化慢的特点，首先利用子空间分解法估计出目标信号的导向矢量，并用估计出的导向矢量构造一个约束条件，然后用业务信号在约束最小二乘准则下估计信道失量，本用带投影的迭代最小二乘(ILSP)算法求解约束最小二乘问题，导频用于ILSP算法的初始化，通过ILSP算法的迭代过程，可以逐步提高信道矢量估计和符号检测的精度．仿真结果表明：与传统二维RAKE接收机相比，本提出的算法使系统的性能得到了有效改善．     

广义Pareto分布的参数估计

广义Pareto分布(Generalized Pareto Distribution,简称GPD)是统计推断中重要的一个分布,其目前在诸多领域得到广泛的应用.GPD的参数估计方法有多种,但各种方法及估计效果一般都受到形状参数k的限制,总结几种常用的参数估计方法,如:矩估计(the method of moments,简记MOM)、最小二乘估计(the least squares estimation,简记LSE)、基于分位数估计(the elemental percentile method,简记EPM)、近似广义最小二乘估计(AGLSE)等,通过模拟研究,得出不存在一致最优的参数估计方法.而在k较大时,LSE在GPD参数估计中模拟效果较为理想,特别当k1/2时,AGLSE对k的估计精度较高.     

基于最小二乘法的灰色模型参数估计

通过建立灰色模型来实现对灰色系统的预测的方法得到了众多学者的重视.其首要一步是通过合适的方法建立灰色模型,然后求解灰色微分方程,再将灰色序列进行还原,从而得到原始序列下一时刻的预测值.在灰色微分方程中有两个未知参数,通过应用广泛的最小二乘法可以对未知参数进行估计.     

经济理论中最小二乘法线性拟合参数估计的等价性问题

在当今西方经济学至少是所谓的"高级"西方经济理论中,数学已经成为阐述理论内容的基本要素或者说是通用语言.线性回归模型是最常用的经济计量模型,用于研究风险、保险、资产组合等经济问题,也可以用作经济预测.本文研究了线性回归模型中的参数估计问题,运用最小二乘法进行参数估计的数学分析基础.最小二乘法只是使用了函数的稳定点而没有运用数学分析的极值理论里的第一充分条件和第二充分条件,本文讨论最小二乘法的估计参数方法和数学分析的极值理论的方法是等价的.