多阶段抽样比率估计及其样本量的选择

讨论多阶段抽样比率估计及其样本量选择的问题 ,给出了比率估计抽样均方误差的近似公式及其渐近无偏估计的公式 .在调查费用给定及各阶段的样本量为等比例分配情况下 ,给出了各阶段样本量最优选择的一般结果 .     

多阶段不等概抽样样本量的选择

在给定的费用函数下，当各阶段不等概抽样样本量分配为等比例分配时，讨论ｎ阶段不等概抽样样本量选择的问题，并给出了一般结果．     

三和四阶段抽样样本量的选择

在给定的费用函数ｃ＝∑ｃｉｎｉ和从第二阶段起抽样样本量按等比例分配情况下,讨论了三和四阶段抽样简单估计法各阶段样本量的选择问题,并给出了一般结果     

岭回归估计均方误差的重要特性及其应用

通过深入分析单参数岭估计β（k）的均方误差MSE（β（k），得到了它的一个重要特性。并把较优均方误差的存在范围由（0,σ∧2/maxa∧2γ）扩大到（0.2σ∧2/maxa∧2γ）；同时，还得到了较优均方误差的另一不可替代的存在范围（0，2σ∧2minλγ/（maxλγα∧2γ-σ∧2）；以及最优均方误差的存在范围[σ∧2/maxα∧2γ，σ∧2/minα∧2γ]，并结合实际问题，给出了岭参数k值选的算法实例。     

多阶段不等概抽样

给出了任意ｎ阶段不等概抽样总体均值估计量的抽样均方差及其无偏估计量的一般公式     

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.     

等距抽样中总体均值的回归估计

讨论了等距抽样中,如何利用辅助信息改进总体平均值的估计,以达到提高估计精度之目的.分单组样本和抽取附加样本两种情况,提出了总体平均值的回归型估计.文中提出的估计与传统的样本均值相比较有较高的精度.     

等距抽样中总体均值的回归估计

讨论了等距抽样中,如何利用辅助信息改进总体平均值的估计,以达到提高估计精度之目的。分单组样本和抽取附加样本两种情况,提出了总体平均值的回归型估计。文中提出的估计与传统的样本均值相比较有较高的精度。     

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。     

一类非线性回归估计量的性质与抽样误差

对有限总体在不放回抽样的方法下,构造了一类非线性回归估计量,讨论了它的性质及其有关抽样误差．     

关于回归函数的最近邻估计的渐近性态

讨论了回归函数的最近邻估计的渐近性质。证明了回归函数的最近邻估计量是渐近正态的。     

排序集抽样下两样本相关参数的修正极大似然估计

排序集抽样是一种提高抽样效率的有效方法。然而,实际排序中不可避免会出现误差。这会对极大似然估计的结果造成一定的偏倚。文章基于排序集样本对传统的极大似然估计方程进行修正,讨论了修正的极大似然估计的性质,并进一步从渐进方差的角度说明了这一估计较传统方法更稳健。     

ρ-混合相依下回归函数小波估计的相合性

考虑非参数回归模型：Yi = g（ti） ＋ ei （ 1≤ i ≤ n）。其中{ti}是固定设计点列,g（＊）是未知回归函数。令{ei}是ρ-混合相依平稳序列,在比较一般的条件下,研究了未知回归函数g（＊）小波估计的r阶平均相合性以及强相合性。     

回归函数改良核估计的收敛速度

回归函数的核估计在通常情况下需要核函数具有有界支撑 ,随机变量Y要求具有l阶矩 ,其中l>1。在核函数改进为包括无界支撑甚至不可积 ,并且去掉了对Y的矩的其它要求的情形下 ,讨论了回归函数改良核估计在完全样本及在删失样本情形下的收敛速度 ,得出了与原来情形同样的结论 ,推广和改进了文献 [1- 2 ]的相应结果     

方差分量模型中回归系数的线性Minimax估计

定义了三种不同的Minimax估计．在矩阵损失下得到了方差分量模型的回归系数(分别是在齐次线性估计类和非齐次线性估计类中)的线性Minimax估计．结果表明,Minimax估计是压缩型估计．     

强混合误差下回归函数小波估计的渐近正态性

文章讨论异方差非参数回归模型,在随机误差序列{ei,i≥1}为α^-混合情形下,建立了回归函数g（·）的小波估计,并得到了该估计的渐近正态性,这些结果推广了梁汉营等人（2007年）在NA情形下的结论．