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.     

线性模型参数β的均匀压缩估计

对一般线性模型中参数β的最小二乘估计和岭估进行了修正,把岭估计中各量的非均匀压缩修为均匀压缩,从而得到了β的一种均匀压缩估计βa,并给出了具体的求法和适用范围。     

推广的最优加权最小二乘估计解的一个结果

文章根据加权最小二乘估计解，存在权系数，在估计误差方差矩阵最小意义下，得出了推广的最优加权最小二乘估计解的一个结果。     

变系数联立模型的变窗宽局部线性两阶段最小二乘估计

研究了变系数联立模型的参数的估计问题,利用变窗宽局部线性两阶段最小二乘法对变系数联立模型的系数进行了估计,进而得到了估计量的大样本性质。     

线性模型参数最小二乘估计唯一性的一个证明

对任意矩阵X,X(X′X)-X′与广义逆(X′X)-的选取无关,且有X=X(X′X)-X′X,X′=X′X(X′X)-X′.本文拓展了上述结果,证明了对任意正定阵V,X(X′V-1X)-X′V-1与广义逆(X′V-1X)-的选取无关,并有X=X(X′V-1X)-X′V-1X,X′=X′V-1X(X′V-1X)-X′.利用上述推广的结果,直接给出了广义线性模型中可估函数c′β的最小二乘估计c′β*的唯一性和无偏性的证明.     

一般线性模型回归系数的可估计性

利用矩阵广义逆的有关性质,研究了一般线性回归模型设计矩阵Xnxp非列满秩时回归参数β的可估计性,并给出了回归参数β的某些线性函数cTβ可估计的充要条件.     

线性回归模型的一种有偏估计

在线性回归模型Y=Xβ+ε;E(ε)=0;cov=σ2Σ;Σ>0下给出了有偏估计β*(K,d)=(XTΣ-1X+K)-1(XTΣ-1Y+dβ*),其中K>0,d>0为参数,β*表示线性回归模型的广义最小二乘估计,讨论了这种有偏估计的优良性质,得出了主要结论.     

模糊线性回归模型参数的最优线性相关估计

该文从预测值与观测值的偏差的角度给出了模糊线性回归模型参数的最优线性相关估计的概念。     

变系数模型误差方差的估计

变系数模型是由古典的线性模型发展而来,它们可以很好地检验函数系数随着协变量的变化程度.本文用PLR提出了变系数模型的误差方差的估计,并研究了它的渐近正态性,进一步用一个模拟例子来说明估计的结果是有效的.     

权回归模型下几种估计性能的比较

在给定的权回归模型下,讨论了最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较,得出了在随机误差方差矩阵可逆条件下,可算出最优加权最小二乘估计与线性无偏最小方差估计误差方差阵的差表达式,并在一定条件下,两者趋于一致。     

关于半参数广义线性模型的惩罚似然估计

本文对文[1]给出的一类半参数广义线性模型(semi-paramctric GLM),利用惩罚似然方法得到参数和非参数函数的惩罚似然估计。同时指出极小惩罚似然估计与惩罚加权最小=乘估计等价。     

一元线性回归模型的参数估计法的误差分析

对横向距离平方和最小法与最小二乘法的误差进行分析,发现二者的误差大小与拟合直线的斜率有关.这两种方法的参数估计表达式与最小距离平方和法的参数估计表达式有相应的关系.通过举例比较和讨论了这三种数据拟合方法的优劣,并分别给出了较合理的应用控制条件.     

等效小参量法在分析和求解非线性电路中的应用

介绍了一种求解非线性电路的新方法———等效小参量法, 研究和总结了其中非线性函数ｆ 及其主部ｆｉｍ 的计算公式, 概括了应用等效小参量法分析和求解非线性电路的特点。     

统计模型中误差方差的均方误差的区间估计

本文研究了线性统计模型(Ⅰ)—(Ⅳ)中参数σ^2的估计量σL^2或σH^2的均方误差MSE(σL^2)或MSE(σH^2),并分别给出了其1-α的置信区间。     

两个矩阵乘积{1,3}-逆和{1,4}-逆反序律的一个充要条件

本文我们给出了B{1,3}A{1,3}(AB){1,3}和B{1,4}A{1,4}(AB){1,4}的一个等价性条件,并由此得到了(AB)+=B+A+的一个新的充分必要条件.     

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     

Fn的伴随等价图

通过引入伴随多项式的最小根的一些性质,讨论了Fn和伴随等价的图．     

定时截尾Pareto分布最小后验风险的Bayes推断

在定时截尾试验下,利用决策理论,充分利用产品的先验信息.考虑试验费用和试验时间,并结合损失函数,对分布制定了最小后验风险决策方案。