错误指定模型中回归系数混合估计的小样本性质

在均方误差矩阵（ＭＳＥＭ）准则和ＰｉｔｍａｎＣｌｏｓｅｎｅｓ（ＰＣ）准则下。

错误指定多元线性模型中回归系数混合估计的性质

在二次损失函数和Pitman Closeness(PC)准则下,本文研究了错误指定多元线性模型中回归系数的混合估计相对于最小二乘估计(ISE)

包含多余回归变量的错误指定模型的随机约束Liu估计(英文)

对由于包含多余回归自变量而导致的错误指定线性回归模型,本文导出了回归系数的最小二乘估计,普通混合估计以及随机约束Liu估计,并在均方误差矩阵准则下对这三个估计的优良性进行了比较,给出了随机约束Liu估计优于最小二乘估计和普通混合估计的充要条件.此外,对它们所对应的经典预测值的优良性也进行了讨论.

PC准则下错误指定模型中回归系数有约束LS估计的优良性

在错误指定的回归模型和线性约束条件下，于ＰＣ准则下，比较了回归系数的有约束的最小二乘估计（ＲＬＳＥ）相对于通常的最小二乘估计（ＬＳＥ）的优良性．也对预测情形类似的问题进行了讨论．

基于逆高斯退化模型的错误指定分析

针对目前随机过程退化模型错误指定研究较少,且主要集中在线性模型中的现状,研究了逆高斯过程(inverse Gaussian,IG)的两类错误指定:不含随机效应情况下非平稳IG过程被错误指定为非线性Wiener过程,以及含随机效应IG过程被错误指定为简单IG过程。基于伪最大似然估计近似正态性理论获得了这两种情形下伪平均失效前时间(mean-time-to-failure,MTTF)估计的分布特征,并以某合金疲劳裂纹数据为例,分析比较了模型错误指定对MTTF的影响。结果还显示,在特定参数设置或样本数、观测次数组合设置下,模型错误指定将对MTTF的估计带来较大影响,这在工程实践中具有一定参考价值。