二元逻辑回归模型中的一阶近似刀切修正岭型估计

在二元逻辑回归模型中,基于一阶近似修正岭型估计方法和刀切法提出了一类新估计,即一阶近似刀切修正岭型估计,探讨得到了新估计在均方误差等准则下优于一阶近似修正岭型估计、一阶近似极大似然估计的充分条件,同时通过数值模拟和实证分析对部分理论结果进行了说明,结果显示,当满足理论结果中的条件时,一阶近似刀切修正岭型估计在相关准则下优于一阶近似修正岭型估计、一阶近似极大似然估计。

Gauss-Markov模型的广义压缩t型估计

t型估计的基本思想是以t分布刻画误差分布,可从形式上得到t型估计解的等价权形式,但t型估计不能抵抗病态性的缺点。针对这一缺点,利用广义压缩型抗差估计的思想,对t型估计位置参数的解进行压缩,得到了广义压缩t型估计,并讨论了广义压缩t型估计的具体形式、偏参数选取、迭代方案等。算例证实了该方法的有效性。

半参数回归模型的广义Liu型估计

提出了半参数回归模型的广义Liu型估计,并在均方误差下与Esra Akdeniz Duran等人提出的半参数回归模型的Liu型估计β∧d=(X'X+1)-1(X'y+dβ∧)进行比较,在一定条件下,前者优于后者。最后,用实例验证了该结论.

多元正态分布熵的Stein型和Brester-Zidek型估计

基于一些随机样本,在Linex损失下估计期望及方差阵都未知的多元正态分布的熵。在仅依赖于|S|的估计类中,熵的最优仿射同变估计δc*是可容许估计,但在一些范围更大的估计类中,δc*是不可容许估计。文章首先用Stein型估计δ?ST去改进δc*,但Stein型估计不是光滑的,然后用具有光滑性的Brester-Zidek型估计去改进δc*,进一步研究知Brester-Zidek估计是可容许估计,也是Bayes估计。

椭球约束与广义岭型估计

对于线性回归模型,针对设计矩阵的病态问题,考虑了回归系数的椭球约束,获得了椭球约束下线性模型的参数估计—广义岭型估计,并进一步研究了它的一些性质如有偏性以及MDE(mean dispersion error)有效性等。

非齐次等式约束线性回归模型回归系数的条件岭型估计

对非齐次等式约束线性回归模型提出一种有偏估计,即条件岭型估计,证明了在一定的条件下,在均方误差及均方误差矩阵意义下都优于回归系数的约束最小二乘估计,并给出了两次随机数据模拟的结果,模拟数据结果表明在一定的条件下,条件岭型估计优于最小二乘估计.

L^p空间Kantorovich-Vertesi算子逼近的Jackson型估计

考虑了 Kantorovich-Vertesi有理插值型算子 L*n,s( f,X,x)对 Lp[- 1 ,1 ]( 1≤ p≤∞ )空间函数逼近的 Jackson型估计 .并获得了如下逼近阶 :‖ L*n,s( f,X,x) -f( x)‖Lp[- 1,1] ≤ Cp,sω f ,1n + 2 Lp[- 1,1]( s>2 )

Mǖntz系统{xλ_n}(λ_n↘0)有理逼近的Jackson型估计

设Λ={λn} ∞n=1 为一满足λn 0 (n→∞)的实数序列.若λn≤Cn- 12 ,n=1,2 ,…,得到了Lp[0 ,1 ] 空间Müntz系统{ xλn}有理逼近的Jackson型估计:Rn(f,Λ) Lp≤Cpω(f,n- 1 2 ) Lp,1<p≤∞.推广了周的相关结论.

齐型空间上的分数次积分交换子的加权弱型估计

在齐型空间上,建立了关于分数次积分算子与BMO函数生成的交换子的加权弱型端点估计,并运用此估计式得到交换子的一个双权弱型估计。

线性EIV模型的t型估计

将数理统计中的t型估计作为一种抗差估计引入测量平差中,提出线性EIV模型的t型抗差估计及其EM算法。以平面拟合为例,当向观测向量和系数矩阵加入粗差时,选取合适的自由度v,t型估计具有较好的抗粗差能力,求出的参数均值与真值偏差较小。

增长曲线模型误差方差的二次型估计可容许的必要条件

对于增长曲线模型 Y=ABC+﹁E﹁=0 ,cov(vec﹁) =σ2 (Ip G) 在二次损失函数下 ,研究了当 A为非行满秩矩阵时误差方差的二次型估计的容许性 ,并得出二次型估计可容许的必要条件。

一般联合均值与方差模型的T型估计与最小一、二乘估计

假定一、二阶矩存在的条件下,文章研究了一般联合均值与方差模型的T型估计与最小一、二乘估计,通过模拟比较了T型估计与最小二乘估计两种估计方法,模拟和实例研究结果表明对该模型参数的两种估计方法是有用和有效的,尤其是T型估计更能表现出在参数估计中的优越性。

Müntz有理逼近的点态Jackson型估计

Müntz系统的非线性使得其逼近速度刻画成为一个困难的问题 .本文考虑条件λn+ 1 -λn ≥Mn2 下 ,Müntz系统 {xλn}有理逼近的一个点态Jackson型估计 ,这是对J.

复共线性与广义岭型估计

针对线性回归模型Y=Xβ+l的典则形式Y=a01+Z+l,l^(0,σ2I)在设计阵X呈病态时,提出了一类新估计■(k;q)=〔Λ1OOkIq+Λ2〕-1Z′Y,称之为广义岭型估计.优点是结合主成分估计和岭估计的思想和方法,将X′X的特征值分为不同大小属性的两部分Λ1与Λ2,并分别添加不同的常数,致使新估计类的均方误差大幅降低的同时计算量大大减少,而且便于对原变量做出解释.文中进一步讨论了该估计优于岭估计的k的存在性以及充分条件.

Calderon-Zygmund型算子在加权Herz型Hardy空间上的弱型估计

本文引入了加权弱 Herz型 Hardy空间 ,并证明了当 α=n(1 - 1q) +δ时 ,胡国恩和陆善镇等在文 [1 ]中所考虑的两类 Calderon- Zygmund型算子分别连续地映加权 Herz型 Hardy空间到加权弱 Herz空间和加权弱 Herz型 Hardy空间 .

一类Hill型估计量的收敛性

给出了极值指数为负时的一类新的Hill型估计量，并证明了它的相合性及渐近正态性．

异方差线性EV模型T-型估计在确定面波震级与地震矩关系式中的应用

一般线性回归模型都假设预测变量不含误差,所有模型误差均集中于响应变量且服从正态分布,而许多实际应用中的变量并不符合这些假设,如有的问题难以明确预测变量和响应变量,观测样本集受到污染而含有离群值。当假设受到破坏时,得到的估计参数往往不能真实反映变量间的线性关系,导致模型不可用。为在假设受到破坏时也能得到正确的模型,提出异方差线性EV模型的T-型回归估计模型,利用最大似然估计原理,给出了T-型回归估计参数表达式和求解方法。最后将模型与方法来确定面波震级与地震矩关系公式,并与其他方法比较检验,取得了较好的结果,对于研究该地区历史地震矩释放估计具有重要的科学意义。本文给出的模型和方法还可以在地震地质、灾害学等等领域得到应用,即用于变量间统计关系式的确定,如b值的稳健估计等。

部分线性模型中的广义差分混合Liu型估计

考虑部分线性模型带随机约束和存在复共线性的情形,针对回归系数向量的估计问题,基于广义差分和Liu型估计方法,提出了广义差分混合Liu型估计,并得到了新估计在均方误差矩阵意义下优于广义差分最小二乘估计、Liu型估计及广义差分混合估计的充要或充分条件.最后,通过数值模拟方法比较了几类估计在均方误差准则下的优良性.

约束线性回归模型回归系数的条件岭型估计

本文提出了线性等式约束的线性回归模型回归系数的一种有偏估计条件岭型估计 ,证明了在一定的条件下 ,在均方误差意义下及均方误差矩阵意义下都优于回归系数的约束最小二乘估计 ,并讨论了它的可容许性 .

竞争风险场合PL型估计的渐近正态性

为了在竞争风险场合考虑生存函数 (或分布函数 )的估计问题 ,本文构造了竞争风险场合分布函数的乘积极限 (PL)型估计 .运用经验过程的逼近理论及Taylor展开方法 ,给出了估计在全直线上的弱一致收敛速度 ,并证明了估计的渐近正态性 .