随机效应线性模型中 BLUE 关于设计阵的稳健性

对随机效应线性模型(y,X_0β,Aα,σ~2V):y=x_0β+ε,E(_ε~β)=(A_α/0),Cov(_ε~β)(?)给出了下列问题的解:当且仅当 X 满足什么条件时,才能使(y,X_0β,Aα,σ~2V)下任一可估函数ω′_1α(或ω′_2β或ω′_1α+ω′_2β)的所有 BLUE 都是(1)(y,xβ,Aα,σ~2V)下ω′_1α(或ω′_2β或ω′_1α+ω′_2β)的线性无偏估计(LUE)或 BLUE(2)(y,Xβ,Aα,σ~2V)下ω′_1α(或ω′_2β或ω′_1α+ω′_2β)的线性最小偏差估计(LIMBE)或最佳线性最小偏差估计(BLIMBE)     

参数受约束时线性模型的线性Minimax估计

考虑线性模型Y=β ε,Eε=0,Var(ε)=σ~2V,其中Y为n维观察向量,V≥0为已知n×n矩阵,β∈R~n,σ~2>0为未知参数,受椭球约束U={β:β′Hβ≤σ~2},H为已知n×n矩阵,C.R.Rao在[1]中给出了H>0时,p′β的唯一线性minimax估计,本文讨论了一般的非负定矩阵H≥0,H≠0的情况,也给出了p′β的唯一的线性minimax估计.     

约束线性回归模型的一种可容许估计

对于带约束的线性回归模型,Y=Xβ+e,E(e)=0,Cov(e)=σ2V,V0,Rβ=0,给出了回归系数的有偏估计βR*(k)=(kM+I)-1βR*(k≥0),求出了在均方误差意义下βR*(k)优于βR*的条件,并讨论了其可容许性.     

统计模型中广义均方误差的区间估计

研究了带约束条件的线性统计模型( )Y =Xβ+eHβ =γe～N(0 ,σ2 V)中可估函数Cβ的估计Cβ∧H 广义均方误差GMSED(Cβ∧H) ,其中σ2 >0 ,V >0且V已知 ,X为n× p阶已知矩阵 ,且满足R(X) R(V) (R(V) )表示由V的列向量张成的线性子空间 ,H为n× p阶矩阵 ,且R(H′) R(X′) .给出了 1-α其置信区间 ,发展了文 [1],[2 ]中的结果 .     

方差分量模型中回归系数的线性估计的可容许性

考虑方差分量模型EY=Xβ,COV(Y)=∑mi=1θiVi,其中n×p 矩阵X和非负定矩阵Vi(i=1,2,...,m)都是已知的,β∈Rp,θi0或θi＞0(i=1,2,...,m) 均为参数.在本文中,我们在二次损失下, 当μ(V1∶V2∶…∶Vm∶X)=Rn时,给出了关于可估函数Sβ的线性估计在线性估计类中可容许性的充要条件.     

矩阵损失下受约回归系数的可容许线性估计

讨论带有齐效线性等式约束的线性模型：Y＝Xβ＋ε，ε－（0，σ^2V），Hβ＝0，在矩阵损失下，我们给出了Sβ的估计LY（LY＋a）在齐次线性（非齐次线性）估计类中可容许的充要条件。     

带约束的线性试验的比较

本文讨论带齐次线性等式约束的线性试验 Y=Xβ+ε,ε～(0,σ~2V),Hβ=0.对回归系数的条件可估线性函数,我们给出了所有的 Gauss-Markov 估计;对两个线性试验 d_1与 d_2,我们给出了 d_1≥d_2,d_1≈d_2,d_1>d_2 的定义及各自成立的充要条件.     

带约束最小二乘估计的分布

给定正态最小二乘线性模型Y=Xβ+ε,E(ε)=0、E(εε’)=σ~2V,V满秩,在线性不等约束条件下,本文证明了带不等约束最小二乘估计服从正态分布。     

线性模型中一些有偏估计在MSE准则下的优良性

对于线性回归模型Y=Xβ+,εE(ε)=0,cov(ε)=σ2V,V≥0,针对设计阵多重共线性问题,给出了回归系数的几个有偏估计,并讨论在MSE准则下优于广义最小二乘估计的条件,解决了复共线性的回归问题.     

分块线性模型下似然比检验统计量的稳健性

讨论了分块线性模型Av:y-N(Xβ＋Uγ，σ^2V）下的似然比检验统计量的稳健性问题。并且利用正交投影阵及矩阵的秩的一般理论，证明了当V＞0时，对于相容检验问题H0:Aβ=0，其在分块线性模型Av下的似然比检验统计量与相同检验问题在模型Av的导出模型Mv^*:M^*V^-1/2y ～N（M^*V^-1/2Xβ,σ^2M^*)其中M^*＝I－Pv-1/2U）下的似然比检验统计量之间的相等关系。     

一般方差分量模型中回归系数的线性估计的可容许性

考虑方差分量模型EY=Xβ,COV(Y)=∑mi=1θiVi,其中n×p 矩阵X和非负定矩阵 Vi(i=1,2,…,m)都是已知的,β∈Rp ,θi0或θi＞0(i=1,2,…,m) 均为参数.在本文中,我们在二次损失下,当V＝∑mi=1Vi≥0时,给出了关于可估函数Sβ的线性估计在线性估计类中可容许性的充要条件,从而有效地把文[5]的主要结果推广为最一般情形.     

矩阵损失下受约回归系数的可容许线性估计

讨论带有齐次线性等式约束的线性模型:Y=Xβ+ε,ε～(0, σ_V),Hβ=0,在矩阵损失下,我们给出 Sβ的估计 LY(LY+a)在齐次线性(非齐次线性)估计类中可容许的充要条件.     

短阵损失下线性模型中回归系数可容许估计

考虑线性模型Y＝Xβ ε,Eε＝0,D（ε）＝σ^2V,其中X列满秩,V为正定矩阵,在矩阵损失下,吴启光得到了回归系统β的线性估计在非齐次线性估计类中可容计的充分必要条件,该定理结论与BaksalaryJK和MarkiewiczA在二次损失下所得结果在表达式上有所不同。为了得到相近的结论,对吴启光的结果做了进一步仔细分析,得到结果如下：在矩阵损失下回归系数β的线性估计AY＋g在齐次线性估计类中可容许当且仅当XAV对儿,且AX＝I时g=0或AX≠I时任意α∈（0,1）有τ（AX）不包含于（－∞,α－1）／（α＋1）]∪（1,＋∞）,自然地,对β的剂次线性估计AV在非齐次估计类中的可容许估计的等价条件为XAV对称且AX＝I。这一结果能更清晰地表明在二次损失下β的可容许估计必是在矩阵损失下的可容许估计,并且有助于讨论其它线性模型的相应结论。     

奇异线性模型中最小二乘估计效率的一个注记

考虑奇异线性模型:Yn×1=Xn×pβp×1+εn×1,E(ε)=0,cov(ε)=∑,设β*=(X＇∑+X)+X＇∑+Y,β=(X＇X)+X＇Y。当∑≥0和rank(X)=p时,定义最小二乘估计β与最佳线性无偏估计β*相对效率为e4(β*/β)=||cov(β*)||／||cov(β)||。当∑≥0和rank(X)＜p时,对可估函数c＇β自然考虑两种估计的方差之比的下界,提出的相对效率为e5(β*/β)=var(c＇β*)／var(c＇β)。在μ(X)(?)μ(∑)条件下,给出了它们的下界。关于相对效率的讨论通常有∑＞0的假定,利用矩阵分析的方法将协方差矩阵∑＞0推广至∑≥0的情形,从而包含了Bloomfield-Watson的结果以及推广了Kantorovich不等式。     

广义线性模型拟似然估计的弱相合性

研究了广义线性模型在非典则联结情形下的拟似然方程Ln(β)=∑ni=1XiH(X’iβ)Λ-1(X’iβ)(yi-h(X’iβ))=0的解βn在一定条件下的弱相合性,证明了收敛速度βn-β0≠op(λn-1/2)以及拟似然估计的弱相合性的必要条件是:当n→∞时,S-1n→0。     

有非负系数的线性模型及其在流变学中的应用

本文运用数学规划推导了有非负系数的线性模型的剩余平方和的计算公式,并探讨了关系式y=β_0+β_1τ+β_2τ~α(β_i≥0,i=0,1,2)中β_i 及α的估计值的求法及其在流变学中的应用。     

随机回归系数和参数的G—M估计同时关于设计阵和散布阵的稳健性

考虑随机效应线性模型:y=Xβ+ε,Eβ=Aα,Eε=0,VAR(β′,ε′)′=σ~2 diag(I_p,I_n)针对线性可估函数ω′_1α,ω′_2β和ω′_1α+ω′_2β,我们分别给出了其G-M估计同时关于设计阵和散布阵是稳健的充要条件。     

线性模型中误差方差的非齐次二次型可容许估计

对于线性模型Y=(y1,…,yn)′=Xβ ε=X(β1,…,βn)′ (ε1,…,εn)′,其中X为已知的n×p矩阵,ε1,ε2,…εn相互独立,Eεi=0,Eε2i=σ2,Eε3i=0,Eε4i=3σ4,I=1,2,…,n,β∈Rp,0<σ2<∞,均为未知参数,在二次损失函数情况下,本文给出了在非齐次二次型估计类D1={(BY a)′A(BY a:B是m×n矩,Am×m≥0,a∈Rm}中可容许的充要条件,并给出当Y～N(Xβ,σ2V),rk(X)=n,V>0时非齐次二次型估在σ2的一切估计类中是可容许的充分条件.     

催化动力学光度法测定微量钒（V）

研究了pH=2的弱酸性介质中，钒(V)催化溴酸钾氧化靛蓝胭脂红褪色的指示反应和反应机理，确定了催化褪色反应测定钒(V)的动力学条件，考察了20多种共存物质对测定的影响，建立了一种新的测定微量钒(V)的动力学方法．方法的线性范围：0—0．278mg／L，0．278—0．833mg／L．用于食品样、矿样中钒(V)的测定，结果满意．     

矩阵损失下一类相依回归模型中的可估函数的线性Minimax估计

研究了相依回归模型(1)在改写为模型(2)后,对Cov(Y)=σ2(∑In)中σ2>0未知而∑>0已知时,在矩阵损失下给出一个线性可估函数SXβ的惟一线性Minimax估计.