几种约束下生长曲线模型容许性与泛容许性-admissibility and universal admissibility of growth curve model under several constraints.docxVIP

几种约束下生长曲线模型容许性与泛容许性-admissibility and universal admissibility of growth curve model under several constraints.docx

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
几种约束下生长曲线模型容许性与泛容许性-admissibility and universal admissibility of growth curve model under several constraints

综述线性模型是数理统计中极具代表性,实际应用最为广泛的一个基础理论分支,它包括常见的线性回归模型,方差分析模型,协方差分析模型和线性混合模型等。因此在现实生活中如生物、医学、经济、地质、气象等领域的现象都可以用线性模型来近似描述。参数估计作为线性统计模型其中一个最基本的问题,它的研究源于19世纪初最小二乘法被德国著名数学家高斯运用到数据的误差分析中,形成了设计阵为列降秩的可估理论。之后,印度数学家Rao提出的“最小二乘统一理论”完善了设计阵为列满(降)秩及协方差奇异的线性模型的估计理论。20世纪初,美国统计学家A.Wald于文[1]中创立的统计决策理论,拓宽了许多新的研究方向:参数估计的可容许性估计理论则应运而生,从而解决了参数估计评价好坏的重大难题。为了判断和评价一个统计模型根据参数估计σ所产生的后果,我们引入其损失函数L(θ,σ2)及相应的风险函数R(θ,σ2)=EL(θ,σ2),如果不存在一个更好的参数估计σ′使得相应的风险函数R(θ,σ′2)≤R(θ,σ2),我们则称未知参数σ是可容许的.决策函数的观点的出现使得统计更加注重所采取行动的效果,也使统计问题提法更加多样化.但这种决策函数一般不存在,因而不得不放宽条件,常采用的有两种方法:一种是不对风险函数在上作逐点比较,而采用某种综合性指标;另一种方法是先从一定角度对允许使用的决策函数加以一定限制,然后再找一致最优的。考虑线性模型Y=A1β+ε关于该线性模型的容许性或泛容许性的估计,根据考虑范围的不同,既可以在全体估计类中考虑,也可以在其中一定的估计类来考虑;根据参数空间的结构不同也可以分为两类,一是参数不受约束的容许性估计,二是参数受约束的容许性估计;根据参数的类型不同,我们可以从回归系数的线性估计容许性与误差方差的二次型估计的容许性两方面入手;根据损失函数的不同,可以讨论在二次函数和矩阵函数下的容许性。在一个具体问题中,采取什么损失函数最好,是一个需要进行大量调查研究以至理论工作的问题,这也是在使用决策理论时的一个困难点。对于线性模型Y=A1β+ε参数不受约束的容许性估计,目前其理论体系已经趋于完善,在国内外主要由文献[10]、[11]最早对其二次损失函数下进行研究,随后文献[12]-[28]等对其参数受到不同程度上的约束以及在损失函数在二次函数和矩阵函数两方面入手研究了其回归系数的线性估计的容许性及泛容许性估计的充分必要条件。其后随着研究的深入及对其可容许性的加深理解,文献[29]-[31]等将其一元推广到多元上研究了线性模型Yi=A1β+εi在不同损失函数情形下的可容许性条件。而对于一般生长曲线模型Y=A1XA2+ε的容许性,如文献[32]-[36]等研究了其在二次损失函数情形下的参数不受约束及受到不完全椭球约束下的容许性估计充要条件,而文献[37]-[42]等则研究了其在取矩阵损失函数下的各种充分必要条件;到目前为止,对多元生长曲线模型Yi=A1XA2+εi的容许性研究甚少,特别是其参数受到约束的情形下.如最新研究的理论成果文献[43]-[47]等则只研究了参数不受到任何约束的容许性及泛容许性条件。在本文中我们主要探讨研究的是多元(广义)生长曲线模型的参数受到不同的约束下回归系数在齐次线性估计类与非齐次线性估计类的容许性与泛容许性情形,得到了不同情形下的充分或必要条件,推广了前人的研究成果,丰富了线性模型容许性与泛容许性理论体系,特别是在参数受到约束的情形下。在第一章节中,首先给出了研究生长曲线模型的容许性的基本矩阵预备知识以及给出了多元广义线性模型r2Yi=A0+A1X+εiεi~(0,σiΣ?V)11i在不完全椭球X′A′NAX≤σ2Σ约束下的容许性特征.在第二章节中,对于多元一般生长线性模型r2Yi=A1XA2+εiεi~(0,σiΣ?V)给出了在不完全椭球A′X′A′NAXA≤σ2Σ约束下回归系数X在矩阵损失函数下,得2112i到可估函数SXT在齐次线性估计类与非齐次线性估计类的泛容许性定理,即定理-定理2.2.2.在第三章节中,对于多元广义生长线性模型r2Yi=A0+A1XA2+εiεi~(0,σiΣ?V)给出了双重约束条件下即不完全椭球约束A′X′A′NAXA≤σ2Σ与等式约束2112iBX=C回归系数X在二次损失函数下,得到可估函数SXT在齐次线性估计类的容许性充要条件,即定理3.1.1-定理3.1.3;以及SXT在非齐次线性估计类的容许性充要条件,即定理3.2.1.在第四章节中,对于多元线性模型Y=AX+ε?X??A2Θ?E=r??CovX=σ2Σ?Vn×m1(n×p)?ε??0?,?εr???????给出了在不等式trRi′A2Θ≥0及等式NA2Θ=0约束下回归系数与参数同时估计的容许性充要条件,即定理4.1.1-定理4.1.3.1预备知识为了

您可能关注的文档

文档评论(0)

peili2018 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档