运用矩阵谱分解的技巧解决平行数据模型中的问题

将矩阵谱分解的方法运用于平行数据模型的计算中,使难以进行的计算变成可能、复杂的运算变得简单.

关于矩阵的Schatten p-范数的注记

利用矩阵奇异值分解、柯西不等式及Schatten p-范数的酉不变性,讨论了矩阵主对角线元素与矩阵Schatten p-范数之间的关系.利用正交投影的性质及分块矩阵的主对角块组成的准对角矩阵可以表示成其凸组合,刻画了分块矩阵与其主对角块p-范数之间的关系.利用分块矩阵的技巧、矩阵的谱分解及Schatten p-范数的特性,深入讨论了矩阵与其伴随换位子Schatten p-范数之间的关系.利用了正规矩阵的特性及Frobenius范数的特性,给出了矩阵的绝对值及换位子之间Frobenius范数的界.所得结果细化和深化的矩阵Schatten p-范数的已有结果.

欧氏空间R^n的子空间的本性矩阵及其应用

提出欧氏空间Rn的子空间的本性矩阵的概念,并给出了在一类特征值反问题中的应用,证明了有s个已知互异特征值的实对称矩阵由其任何s-1个特征子空间唯一确定.

特殊平行数据模型的参数估计问题

在平行数据模型的方差成份框架下,考虑了横截面内误差项vit服从ARCH分布的参数估计问题.利用距阵谱分解的技巧,使本来需要广义最小二乘估计(GIS)方法解决的问题,转化为普通最小二乘估计(OLS)方法解决了,简化了运算程序.

平行数据模型中异方差问题的处理——截面内误差项v_(it)～ARCH(q)

本文在平行数据模型方差成分的框架下,考虑了横截面内误差项v_(it)～ARCH(q)的异方差处理方法。给出模型设定的假设检验和参数的一致估计,并利用Monte-Carlo方法验证了本文估计方法优于普通最小二乘估计方法。