加权混合估计中权值的确定方法

综合了大地测量中各种异方差多源观测模型和联合平差方法,说明了混合估计方法可以用于测量数据融合,平衡附加信息和样本信息对参数估计的影响。通过求取权值使参数估计的协方差阵的迹最小的方法,给出了一个权的最优选择方法。本文扩展了已有的加权混合估计方法,使得新方法中的权不受验前单位权方差的限制,能有效应用于大地测量数据处理。

回归系数的加权混合估计与最小二乘估计的相对效率

本文研究随机约束下线性回归模型中,回归系数的加权混合估计与最小二乘估计的相对效率,并且给出了相对效率的上下界限.最后我们给出了一个例子来验证我们的理论结果.

回归系数的加权混合估计与最小二乘估计的3种相对效率

研究了具有随机约束的线性回归模型中回归系数的加权混合估计与最小二乘估计的相对效率的问题,给出了相对效率的3种定义.利用矩阵理论给出3种相对效率的上下界,并且得到了各相对效率之间的关系.最后给出例子来验证理论.

带有界不确定性的加权混合估计方法

大地测量中各种异方差多源观测模型进行融合都需要进行混合估计。由于附加信息和样本信息在估计过程中作用是不均等的,需要建立新的加权平差准则,平衡先验约束和观测信息对参数估计的影响。把多源观测数据看成是观测信息和一些随机约束信息,首先利用椭球近似描述有界不确定信息,建立了基于外接椭球特征矩阵迹最小的平差准则,然后提出了一个新的观测信息融合方法,并给出了一种优化权的计算方法,使得加权混合估计方法能有效应用于大地测量数据处理,最后,通过算例验证了算法的有效性,说明了集员估计解与带权混合估计的关系。

随机约束条件下一种新的加权混合两参数估计

为解决线性模型的多重共线性问题,文章通过结合几乎无偏Liu算子T_(d)与岭算子W_(k),提出了随机约束条件下一种新的加权混合两参数估计β_(MWMTPE),并在均方误差准则下,把新估计与已有的加权混合估计β_(WME)、加权混合岭估计β_(WMRE)、加权混合Liu估计β_(WMLE)、加权混合几乎无偏Liu估计β_(WAULE)进行了比较,给出了新估计优于其他估计的充分必要条件。最后,通过具体数据实例对理论结果进行了验证,结果表明在合适的参数取值条件下,新估计优于其他几个加权混合估计。

部分线性变系数模型的加权混合几乎无偏岭估计

文章研究随机线性约束条件下部分线性变系数模型的参数估计问题。为了克服多重共线性,融合Profile最小二乘估计、几乎无偏岭估计和加权混合估计构造了回归模型参数分量新的加权混合几乎无偏岭估计,并在均方误差矩阵准则下给出新估计量优于加权混合估计和几乎无偏岭估计的充要条件,最后通过数值模拟验证了所提出估计量的有限样本性质。

线性模型中的加权混合几乎无偏两参数估计

主要讨论了随机约束线性模型的有偏估计问题,提出了一种新的加权混合几乎无偏两参数估计.证明了加权混合几乎无偏两参数估计在二次偏差的准则下优于加权混合两参数估计,并给出了在均方误差矩阵准则下新估计优于其他相关估计的充要条件.

带随机约束的奇异线性模型的加权混合两参数估计

针对奇异线性模型的复共线性,通过结合加权混合估计和新的两参数估计算子,提出了奇异线性模型的一种新的加权混合两参数估计,在均方误差矩阵意义下讨论了其优良性,并进行了数据模拟,从而把这类有偏估计推广到奇异线性模型的情形.

部分线性变系数模型的加权随机约束主成分估计

文章研究部分线性变系数模型的参数估计问题,当回归模型线性部分自变量存在多重共线性时,在随机约束条件下,利用Profile最小二乘方法、主成分估计和加权混合估计构造了回归模型新的加权随机约束主成分估计,并在均方误差矩阵准则下研究估计量的有效性,最后通过蒙特卡洛数值模拟研究了估计量的有限样本性质。

一种基于随机约束线性模型的参数有偏估计

文章讨论了随机约束线性模型的参数估计问题,提出了一种新的几乎无偏加权混合岭估计方法。证明了在二次偏差准则下新估计优于加权混合岭估计,并分析了在均方误差矩阵准则下所提出的有偏估计优于加权混合岭估计的充要条件。

部分线性变系数模型改进的加权混合Profile-Liu估计

研究半参数部分线性变系数模型的有偏估计,当回归模型参数部分自变量存在多重共线性时,在随机线性约束条件下,融合Profile最小二乘估计、加权混合估计和Liu估计构造回归模型参数分量改进的加权混合Profile-Liu估计,并在一定正则条件下证明估计量的渐近性质,最后利用蒙特卡洛数值模拟验证所提出估计量的有限样本表现性.