基于最小特征根的相对效率

对线性模型的最小二乘估计(LSE)与最佳线性无偏估计(BLUE)定义了一种新的相对效率,新的相对效率定义为最小特征根的比值,之后研究了它的下界及它与广义相关系数之间的关系.最后讨论了新的相对效率与已有的3种相对效率之间的关系。

基于最大特征根的相对效率

该文从最大特征根出发,定义了相对效率e4(β),研究了当设计矩阵X满秩,协方差阵Σ正定时e4(β)的下界为δpλn-p+1/(δ1λ1),讨论了e4(β)与广义相关系数ρz(3)之间的关系。

一般线性模型基于最大特征根的相对效率

定义了一般线性模型参数的最小二乘估计(LS估计)与BLU估计的一种新的相对效率,给出了当设计矩阵满秩,协方差阵非负定时这种相对效率的下界,最后讨论了其与广义相关系数(zρ3)之间的关系.

基于最大特征根的相对效率的下界估计

定义了广义线性模型中参数的最小二乘估计(LSE)与最佳线性无偏估计(BLUE)的一种新的相对效率,这种相对效率定义为参数估计量的协方差阵的最大相对特征根之比。给出了当设计矩阵满秩,协方差阵非负定时这种新的相对效率的下界,研究了新的相对效率与广义相关系数之间的关系.由本文的讨论可见,当广义线性模型与主成分分析、典型相关分析方法结合应用时,这种相对效率具有很强的实用价值。

由最大特征根导出的一种新的相对效率

该文对于线性模型y=Χβ+ε,E(ε)=0,cov(ε)=V>0,从最大特征根出发,定义了相对效率e5(β^(D))=λ1(cov(β*))/λ1(cov(β^(D)),研究了e5(β^(D))的下界为Wn-p+iδ1-1/W1δ1-1,并讨论了e5(β^(D))与广义相对系数pZ之间的关系。