平衡损失下一般Gauss-Markov模型中回归系数的最优估计（英文）

在平衡损失下,我们研究了一般Gauss-Markov模型中回归系数的最优估计,首先我们得到了线性估计为最佳线性无偏估计的充分必要条件;其次证明了平衡损失下的最佳线性无偏估计在几乎处处意义下是唯一的,并且是普通最小二乘估计和二次损失下最优估计的平衡;最后,我们讨论了最优估计关于损失函数和模型设定的稳健性,并得到了该最优估计在模型误定下具有稳健性的充分必要条件.     

加权平衡损失函数下回归系数的最佳线性无偏估计

这篇文章我们研究了回归系数的最佳线性无偏估计. 在加权平衡损失函数下, 我们得到了回归系数的最佳线性无偏估计. 同时提出了度量最佳线性无偏估计和最小二乘估计的相对效率. 并且我们给出了它们的上下界.     

平衡损失下回归系数最优线性无偏估计的相对效率

本文研究了一般Gauss-Markov模型中回归系数的最优线性无偏估计的相对效率问题.利用Lagrange乘数法,获得了回归系数的最优线性无偏估计.并在此基础上定义了最优线性无偏估计的两种相对效率.     

增长曲线模型中参数估计的一个注记

对于具有序列协方差结构的正态增长曲线模型，证明了在一定条件下不存在方差的一致最小无偏估计。给出了在任意凸损失下存在回归系数矩阵的任何线性可估函数的一致最小风险无偏估计的另一个充要条件。     

带有结构变化的线性模型中参数估计的一些结果

本文在一些纯量损失和矩阵损失下研究带有结构变化的正态线性模型中参数的估计问题.分别给出了存在回归系数的一致最小风险无偏(UMRU)估计和一致最小风险同变(UMRE)估计的充要条件.证明了不存在误差方差在仿射变换群下的UMRE估计.导出了回归系数的最小二乘估计的可容许性和极小极大性.     

平衡损失下回归系数的线性容许估计

该文在平衡损失函数下,研究线性模型中回归系数的线性容许估计,得到了充要条件,结果表明,线性容许估计也是一种估计的平衡。     

带有结构变化的线性模型中参数估计的一些结果

本文在一些纯量损失和矩阵损失下研究带有结构变化的正态线性模型中参数的估计问题．分别给出 了存在回归系数的一致最小风险无偏（ＵＭＲＵ）估计和一致最小风险同变（ＵＭＲＥ）估计的充要条件, 证明了不存在误差方差在仿射变换群下的ＵＭＲＥ估计．导出了回归系数的最小二乘估计的可容许性 和极小极大性．     

平衡损失下回归系数的线性Minimax估计

在平衡损失函数下,主要研究回归系数的线性Minimax估计问题.通过分析平衡损失风险的极大极小性,得到了线性优化计类中回归函数的Minimax估计.在适当的假设下,证明了其唯一性.     

平衡损失下一般Gauss—Markoff模型中回归系数的非齐次线性可容许估计

提出了适用于—般Gauss-Markoff模型的平衡损失函数,并在该平衡损失下,研究了模型中回归系数的非齐次线性估计在非齐次线性估计类中的可容许性,得到了充要条件．     

平衡损失下不等式约束回归系数的线性容许估计

对回归系数在不等式约束和平衡损失下讨论了其线性估计的可容许性,给出了齐次和非齐次线性估计类中可容许估计的充要条件.     

On Hsu's theorem in multivariate regression

The paper deals with optimal quadratic unbiased estimation of the unknown dispersion matrix in multivariate regression models without assuming normality of the errors. We show that Hsu's theorem for univariate regression models continues to multivariate models with no additional assumptions. Furthermore optimal quadratic plus linear estimating functions for regression coefficients are considered, and we investigate whether the ordinary linear estimates are the best. This leads to a new theorem which is similar to that of Hsu.     

Extended Gauss–Markov Theorem for Nonparametric Mixed-Effects Models

The Gauss–Markov theorem provides a golden standard for constructing the best linear unbiased estimation for linear models. The main purpose of this article is to extend the Gauss–Markov theorem to include nonparametric mixed-effects models. The extended Gauss–Markov estimation (or prediction) is shown to be equivalent to a regularization method and its minimaxity is addressed. The resulting Gauss–Markov estimation serves as an oracle to guide the exploration for effective nonlinear estimators adaptively. Various examples are discussed. Particularly, the wavelet nonparametric regression example and its connection with a Sobolev regularization is presented.     

非线性回归模型中的约束拟似然

在非线性回归模型中,拟得分函数是一类线性无偏估计函数中的最优者(GodambeandHeyde(1987),朱仲义(1996)),而由拟得分函数得到的拟似然估计在由线性无偏估计函数得到的估计类中具有渐近最优性(林路(1999)).本文则研究非线性回归模型中的有偏估计函数理论,构造了参数的约束拟似然估计,得到了约束拟似然的局部最优性,局部改进了拟似然估计,从而扩充了线性模型中的有偏估计理论.     

模糊数据的线性回归模型

研究观测数据为模糊数据的统计线性回归模型 ,由该模型所得回归系数非模糊 ,易于应用。对于对称三角模糊数据一元线性回归给出最优解的解析表达式 ;将对称三角模糊数多元线性回归问题给出转化为一类二次规划问题的方法 ;证明了最优解的存在性和估计量的无偏性。     

Statistical Analysis Technique of Two-parameter Generalized Exponential Sum Distribution

A new life distribution is proposed, known as ``two-parameter generalized exponential sum distribution". We study the density function and failure rate function, the average failure rate function, the image features and the numerical characteristics of the mean residual life of the distribution. Several methods of calculating point estimation of parameters are discussed. Through the Monte-Carlo simulation, we compare the precision of the point estimations. In our opinion, the best linear unbiased estimation is the most optimal solution of these methods. At the same time, several methods of calculating parameters of interval estimations are given. We also discuss the precision of interval estimations by Monte-Carlo simulation and use the best linear unbiased estimation and the best linear invariant estimation to construct interval estimations which are better than other estimation method. Finally, several simulation examples and a case of maintaining tanks is used to illustrate the application of the methods presented in this paper.     

Admissible prediction in superpopulation models with random regression coefficients under matrix loss function

Admissible prediction problems in finite populations with arbitrary rank under matrix loss function are investigated. For the general random effects linear model, we obtained the necessary and sufficient conditions for a linear predictor of the linearly predictable variable to be admissible in the two classes of homogeneous linear predictors and all linear predictors and the class that contains all predictors, respectively. Moreover, we prove that the best linear unbiased predictors (BLUPs) of the population total and the finite population regression coefficient are admissible under different assumptions of superpopulation models respectively.     

具有一般协方差结构线性模型的局部影响评价

该文讨论了具有一般协方差结构线性模型的局部影响分析问题. 通过对广义Cook统计量中M/c的适当选取, 文章给出了一种对扰动的参数变换具有不变性质的局部影响度量. 在具协方差扰动模式下, 该文给出了回归系数和方差系数估计、最佳线性预测的局部影响诊断统计量.该结果与数据删除法进行了比较, 并通过实例进行了分析和说明.     

利用样本分位数的Logistic分布参数的渐近置信估计

基于Logistic分布的若干个样本分位数 ,利用线性回归模型建立Logistic分布位置参数及尺度参数的渐近正态且渐近无偏估计量 ,得到分布参数的渐近置信估计。