带固定效应半变系数面板数据模型的约束岭估计

研究带固定效应的半参数变系数面板数据模型在参数部分附加约束条件下的估计问题,结合Profile最小二乘估计和岭估计,分别建立模型参数部分和非参数部分的约束岭估计量,并给出参数部分约束岭估计量的均方误差和大样本性质。

线性回归模型的一个新的随机约束岭估计

研究带随机先验信息的线性回归模型,提出一种新的随机约束岭估计,得到新的估计在均方误差矩阵意义下优于混合估计、普通岭估计、随机混合估计(Yalian,2008)和另一随机混合估计(富月,2003)的充要条件。理论结果与数值实验都表明:新的估计在均方误差矩阵意义下的性能是优良的。

从约束型最小二乘估计到约束型岭估计的探索

考虑非齐次约束线性回归模型回归系数的最小二乘估计及岭估计,当设计阵X为病态时,最小二乘估计不再是一个优良估计,提出了一种约束型岭估计,从约束条件入手,借助条件极值法研究(Y-Xβ)′(Y-Xβ)的最小值,使问题转化为在两个约束条件下的优化问题。

半参数测量误差模型的岭估计

本文主要讨论了半参数测量误差模型当线性部分的协变量存在共线性时的估计问题,基于校正profile最小二乘法构造了参数分量的岭估计,并在约束条件下构造了参数分量的约束岭估计。

逻辑回归模型中的混合最大似然估计

针对逻辑回归模型中解释变量存在复共线性问题,通过类比线性模型中的混合估计,提出了逻辑回归模型中的混合最大似然估计;在均方误差矩阵意义下,将新估计与最大似然估计、岭估计、Liu估计、约束最大似然估计、随机约束最大似然估计比较,最后通过蒙特卡罗模拟方法验证其优良性.