拟回归估计的均方收敛性

研究了拟回归估计的均方误差,得到了均方误差的计算公式,并在适当的条件下,建立了拟回归估计的均方收敛性.     

线性回归模型中的渐近最优性

对线性回归中系数的一类估计给出了理论上的最优均方误差.证明了渐近意义下最小二乘估计和lasso估计均不具有最优均方误差性.最后给出了一个具有渐近最小均方误差的回归估计.     

多元联合回归估计

本文提出了多元线性模型回归系数的一种新的有偏估计—联合回归估计。在一定条件下，证明了此种估计优于最小二乘估计、主成份估计和组合主成分估计，且在均方误差意义下是可容许估计。     

多阶段抽样回归估计及其样本量的选择

讨论多阶段抽样回归估计及其样本量选择问题 .给出了回归估计抽样均方误差的公式及其渐近无偏估计的公式 ,并在调查费用给定下 ,给出了在各阶段的样本量为等比例情况下 ,各阶段样本量最优选择的一般结果     

群体相关下的一种回归分析

作连续调查研究抽样时经常用到回归估计。如果前后两个样本相互独立,并且它们所包含的元素不同,就无法直接计算出回归系数。本文在群体相关模型下给出了一种新的回归估计。模拟研究表明,当估计总体均值时,如果前后两个样本都来自大的总体,则新的回归估计与样本均值几乎一样好;如果前期样本来自大的总体,而后期样本来自一子总体,则在本文模拟的例子中,新的回归估计比样本均值要好。     

约束线性回归模型回归系数的条件岭型估计

本文提出了线性等式约束的线性回归模型回归系数的一种有偏估计-条件岭型估计,证明了在一定的条件下,在均方误差意义下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,并讨论了它的可容许性。     

约束线性回归模型回归系数的条件广义岭估计

提出了约束线性回归模型中回归系数的一种条件广义岭估计,讨论了它的优良性,证明了它在均方误差及均方误差矩阵下都优于约束最小二乘估计。     

非齐次等式约束线性回归模型参数的条件根方估计

对非齐次等式约束线性回归模型提出回归系数的条件根方估计,证明了在一定条件下,当回归自变量闻存在复共线关系时,条件根方估计在均方误差意义下很好改进了约束最小二乘估计;讨论了条件根方估计的容许性;分别给出了在平均散布误差准则下条件根方估计优于约束最小二乘估计的充要条件与充分条件;对确定条件根方估计的参数值讨论了两种方法:根迹法、方差扩大因子法。     

α稳定噪声下最小均方Sigmoid误差自适应时间延迟估计

为解决脉冲噪声下最小均方误差自适应时间延迟估计算法估计性能的退化问题,以对称α稳定分布模型描述脉冲噪声,提出最小均方Sigmoid误差自适应时间延迟估计算法.该算法通过对误差信号求取Sigmoid变换,抑制了较大误差对估计结果的影响.以最小均方Sigmoid误差代替最小均方误差作为优化准则,迭代模拟信道延迟效应的滤波器权系数,其收敛时峰值的位置就是所要估计的时间延迟.仿真结果验证了该算法在高斯和非高斯对称α稳定分布噪声条件下的优良估计性能,说明最小均方Sigmoid误差是一种韧性的最优准则.     

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.     

广义岭型压缩主分量估计及其优良性

对线性回归模型回归系数β,当设计阵X为病态时,提出一种新估计:广义岭型压缩主分量估计,它在MSE和GMSE准则下优于最小二乘估计,在均方误差准则下优于岭型压缩主成分估计,最后对它的可容许性进行了讨论。     

半相依回归系统参数的一种改进有偏估计

对于半相依回归系统（1）的参数提出一种新的有偏估计，并研究这种估计量在均方误差意义下的优良性质和线性可容许性．     

生长曲线模型的几乎无偏岭估计

本文用几乎无偏岭估计来估计生长曲线模型中的回归系数,表明了在均方误差意义下,几乎无偏岭估计优于岭估计,并通过实例验证了该结果。     

错误指定模型中回归系数混合估计的小样本性质

在均方误差矩阵（ＭＳＥＭ）准则和ＰｉｔｍａｎＣｌｏｓｅｎｅｓ（ＰＣ）准则下,本文比较了错误指定的线性回归模型中回归系数的混合估计相对于最小二乘估计的优良性     

Jackknifed Liu estimator in linear regression models

In this paper, we introduce a generalized Liu estimator and jackknifed Liu estimator in a linear regression model with correlated or heteroscedastic errors. Therefore, we extend the Liu estimator. Under the mean square error(MSE), the jackknifed estimator is superior to the Liu estimator and the jackknifed ridge estimator. We also give a method to select the biasing parameter for d. Furthermore, a numerical example is given to illustvate these theoretical results.     

非齐次等式约束下奇异型线性回归模型的广义条件岭估计

文章对线性回归模型参数有偏估计做进一步研究,提出了在非齐次等式约束下奇异型线性回归模型参数的广义条件岭估计,并给出它的一些性质,而且证明了在一定条件下,在均方误差阵和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.最后,通过实际数据进行实证分析,得到了取不同岭参数矩阵时对应的广义条件岭估计及其MSE,验证了广义条件岭估计优于约束最小二乘估计的充分条件的正确性.     

多元线性模型回归系数的Stein型估计

本文对多元线性模型的回归系数提出了Stein型估计,可使其MSE小于LS估计。分析了选取参数矩阵K的MSE准则存在的缺陷,于是应用Q(C)准则克服这些缺陷。从理论上证明了Q(C)准则的优良性,并给出了确定C的方法。     

混合系数线性模型参数的岭估计

在连续测量数据情况下，针对模型的复共线性，给出了混合系数线性模型参数的两种岭估计，讨论了岭估计的相关性质，并证明了在均方误差意义下，通过选取适当参数，岭估计可优于最小二乘估计，最后讨论了岭估计的可容许性并给出了岭参数的选取方法。最终得到了岭参数的最优估计。     

两个比率的比率估计量

给出了同一样本在两个时期比率的比率估计量的偏差、估计量的均方误差以及均方误差的估计。