SURS中回归系数GCIE系列的极限问题

讨论了半相依回归系统(SURS)中回归系数的广义协方差改进估计(GCIE)的效率问题,得出了几种估计的效率度量公式在极限意义下等价的结论.以该结论为基础,我们对一些简单的协方差结构的SURS中回归系数的GCIE系列进行计算机模拟,得到了m=3时,在这些模型下,GCIE的极限便是最佳线性无偏估计的结论.

广义协方差改进估计的优良性

对半相依回归线性系统,我们周期地使用迭加信息的方法,得出了回归系数广义协方差改进估计。这个估计系列的方差是单调不增的。它改进了回归系数的协方差改进估计。特别当m=2时,我们不对误差向量的分布及设计阵之间的关系作出任何假设,而得到广义协方差改进估计的极限便是BLUE的结果;当协方差阵未知时,得到了两步估计的表达式。

一类相依回归系统参数的一种广义有偏估计

本文提出了一种广义有偏估计,证明了当设计矩阵呈病态时,这种有偏估计的均方误差小于协方差改进估计的均方误差。

SURE模型中参数估计的若干结果

综合报导有关ＳＵＲＥ模型中参数估计及其优良性的一些近期研究成果，主要包括回归系数β以及协方差矩阵Ｖ的各种估计和它们的优良性．

观察次数不等的SURS中回归系数的两步估计

该文着重讨论协方差阵未知时观察次数不等的半相依回归系统（ＳＵＲＳ（ＵＮＯ））中回归系数β的两步估计问题，对３个因素的４８种不同水平组合进行ＭｏｎｔｅＣａｒｌｏ模拟，并对模拟结果进行统计检验，发现在我们给出的ｓｄ准则下：１．使用Ｓｃｈｍｉｄｔ推荐的估计量导出的两步Ｚｅｌｎｅｒ估计（ＴＺＥ）性质不好；特别是模拟中相关系数很高（＞０．９４８）时表现更差；２．一般情况下，两步广义协方差改进估计的行为比ＴＺＥ更好；３．β或的不同估计方法、设计阵的不同选取、模拟中对的选择不同，都对两步估计有影响．

一类相依回归系统参数的广义两步有偏估计

本文提出了一类相依回归系统参数的广义两步有偏估计,证明了当设计矩阵呈病态时,广义两步有偏估计的均方误差小于两步协方差改进估计的均方误差.