关于岭参数k的选取问题

对岭估计中参数k的选取问题进行了研究,并对Hoerl-Kennard公式进行了改进,使参数k的选取更为准确。     

基于双k型岭估计改进的ARCE算法

近十几年来,GPS定位技术在很多领域得到了广泛的应用,尤其是GPS快速定位技术的应用前景更为广阔。文章针对GPS快速定位常用的双差模型,首先介绍了根据双差模型病态性特点提出的双k型岭估计;然后基于双k型岭估计对ARCE整周模糊度搜索方法进行了改进;最后,把双k型岭估计和改进的ARCE整周模糊度搜索方法结合起来进行快速定位。理论分析和数值计算都表明,本文提出的方法有效改进了浮点解精度,提高了ARCE整周模糊度搜索方法的搜索精度同时缩短了搜索时间,比较适合于GPS快速定位双差模型的解算。     

基于一类变换数据的自适应岭型估计

考虑线性回归模型Y=Xβ+e,e～(o,σ~2I)。其中观测数据y用TY代替,T是对称幂等矩阵,本文引进了基于变换数据的岭型估计。当岭参数非随机时,给出了其优于OLS—估计的充要条件。当岭参数随机时,给出了两种自适应岭型估计,并在误差正态假设下得到了其优良性质。     

椭球约束下拓展的广义岭型估计

对于设计矩阵病态的线性回归模型y=Xβ+e,e-(0,σ2W),W≥0,给出适当的约束条件,得到了拓展的广义岭型估计,并进一步研究了其性质,得到了MDE-I有效于GLS的充分条件,改进了前人的研究结果.     

从约束型最小二乘估计到约束型岭估计的探索

考虑非齐次约束线性回归模型回归系数的最小二乘估计及岭估计,当设计阵 X为病态时,最小二乘估计不再是一个优良估计,提出了一种约束型岭估计,从约束条件入手,借助条件极值法研究( Y-Xβ)′(Y- Xβ)的最小值,使问题转化为在两个约束条件下的优化问题.     

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.     

回归系数的t-k类估计

在线性回归中，当设计矩阵的列向量间存在复共线性时，回归系数的最小二乘估计的性质显著变坏．为了消除或减弱复共线性对参数估计的影响，以获得更高精度的参数估计，在均方误差矩阵意义下，提出了回归系数的一类新的估计，即t—k类估计，它是对最小二乘估计的改进，是一种新的压缩有偏估计．并且与最小二乘（LS）估计、岭估计和主成分估计进行比较，给出了在均方误差矩阵意义下，t—k类估计优于这些估计的充要条件以及这些条件的检验方法．     

聚集数据线性模型中广义岭估计相对效率问题

对于聚集数据的线性模型,给出了参数的广义岭估计及改进的广义岭估计的定义,并提出了广义岭估计及改进的广义岭估计在推广的欧氏模之比意义下及加权欧氏模之比意义下的二种相对效率。分别对广义岭估计及改进的广义岭估计,得到了两种相对效率的上界。     

岭参数的又一确定方法

文献[1]给出了一种从小于最优岭参数k0的初值出发逐步改进岭参数的方法。这种方法改进了Hoerl和Kennard的结果。本文给出了另外一种从大于最优岭参数k0的初值出发逐步改进岭参数的方法。在实际应用中,这2种方法互为补充。     

线性模型中回归系数的c-F(K)型估计的研究和应用

针对引起线性回归模型最小二乘估计性能变坏的根本原因,在线性回归模型中提出了一种新的有偏估计β^(F(K))=(cX'V-1X+TF(K)T')-1X'V-1Y,它将众多经典的有偏估计结合在一起,对有偏估计进行了改进.首先利用Stine式压缩技术说明在均方误差意义下β(F(K))=(cX'V-1X+TF(K)T')-1X'V-1Y,它将众多经典的有偏估计结合在一起,对有偏估计进行了改进.首先利用Stine式压缩技术说明在均方误差意义下β^(F(K))具有优于广义岭估计的优良性质,然后将β(F(K))具有优于广义岭估计的优良性质,然后将β^(F(K))应用到多元线性回归模型的可容许性上.     

基于Cook距离的椭球约束线性模型的影响分析

模型影响分析是通过每个样本点对于所建模型的影响程度,来分析模型是否适合的一种统计诊断方法．首先针对椭球约束线性模型,通过逐点删除形成一系列数据删除模型;然后对各个模型进行参数估计;再运用估计量构建广义Cook距离,对各个样本点进行模型的影响分析,探求异常点．模拟计算结果表明,所提出的Cook距离能够有效地检测出模型中人为构造的异常点。     

均方误差下岭型主成分估计的最优性

本文研究了在均方误差意义下岭型主成分估计在岭型降维估计类中的最优性.     

部分岭估计在整周模糊度解算中的应用

文章基于构造一种新的所谓的部分岭估计，提出了一种新的整周模糊度解算技术。实际算例的结果表明该算法的计算效率高、稳定可靠。     

平衡损失下双h型岭估计的优良性

讨论了在平衡损失下双h岭估计的优良性问题,给出了平衡损失下双h岭估计的风险函数的表达式,并得到了在损失下该非线性估计对于普通的最小二乘估计的一致优良性的一个充分条件.     

回归系数的t-k类估计

在线性回归中,当设计矩阵的列向量间存在复共线性时,回归系数的最小二乘估计的性质显著变坏.为了消除或减弱复共线性对参数估计的影响,以获得更高精度的参数估计,在均方误差矩阵意义下,提出了回归系数的一类新的估计,即t-k类估计,它是对最小二乘估计的改进,是一种新的压缩有偏估计.并且与最小二乘(LS)估计、岭估计和主成分估计进行比较,给出了在均方误差矩阵意义下,t-k类估计优于这些估计的充要条件以及这些条件的检验方法.     

瓦楞纸板产生高低楞的原因及消除措施

本文探讨了瓦楞纸板生产中常见的疵病——高低楞产生的原因及造成的危害,并对消除高低楞,提高纸板质量的方法作了较细致、深入的研究。     

一类刻度指数分布族参数的Bayes估计

在刻度平方损失函数下,研究了一类刻度指数分布族参数的估计.得到了刻度参数的Bayes估计的一般形式,并研究了它的可容许性,最后在两种给定先验分布下得到了刻度参数的正常Bayes估计和广义Bayes估计的精确形式.在此基础上可以对刻度参数进行进一步的统计推断.     

分块线性模型中Bayes线性无偏估计的可加性

得到了βi在线性模型M=(y,X1β1+X2β2,T)下的Bayes线性无偏估计与其在小模型Mi=(y,Xiβi,T)下的Bayes线性无偏估计相等的充分必要条件,i=1,2;并考虑了Xiβi在小模型Mi下的Bayes线性无偏估计之和与Xβ在全模型M下的Bayes线性无偏估计之间的相等关系.     

线性模型中回归系数的c-K型估计及其优良性

将张建军等人提出的c-K估计推广至c-K估计的情形,证明了在均方误差意义下利用Stein压缩技术可以改进广义岭估计,并给出了下c-K估计优于最小二乘估计的一个充分条件,为病态线性回归模型系数的有偏估计提供了改进的技术途径．