线性与狭义线性模型中参数估计的一些研究.pdf

Study on Estimators in Linear and Generalized Linear Models A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Doctor’s Degree of Science By Huang Jiewu Supervised by Prof. Yang Hu Specialty: Computational Mathematics College of Mathematics and Statistics of Chongqing University, Chongqing, China March, 2014 中文摘要 摘 要 线性模型与广义线性模型是两类重要的统计模型，许多生物、医学、经济、 管理、地质、气象、农业、工业等领域的现象都可以用线性模型或广义线性模型 来近似描述。在线性模型与广义线性模型众多的研究问题当中，参数估计问题一 直是研究的重点、难点。本文主要研究线性模型和广义线性模型中系数向量的有 偏估计问题。 在异方差与自相关线性模型中，推广了一般线性模型中回归系数向量的两参 数主成分估计，详细比较了两参数主成分估计，广义最小二乘估计，主成分估计， r k 估计，r d 估计及两参数估计等在均方误差矩阵准则下的优良性。并在均方 误差意义下对常见的几类有偏估计的优良性进行了比较分析。此外，针对一个估 计优于另一个估计的充要条件是否成立的问题，建立了检验统计量进行假设检验 推断。 对经典的Gauss-Markov 模型，在基于广义马氏损失函数的平均损失准则下， 对两参数主成分估计，主成分估计，r k 估计，r d 估计，两参数估计及最小二 乘估计的优良性做了详细的比较分析，得到了一个估计优于另一个估计的条件。 并结合基于广义马氏损失函数的平均损失准则和均方误差准则，给出了r k 估计 和 估计中岭参数 和Liu 参数 的选择方法，且针对不同情况，给出了将 r d k d r k 估计，r d 估计和主成分估计作为最小二乘估计的最优替代估计的建议。 在经典的 Gauss-Markov 模型中，研究了两线性估计在基于马氏损失函数的 Pitman 准则下的优良性，并详细的给出了岭估计，Liu 估计和最小二乘估计之间的 比较结果。在基于广义马氏损失函数的Pitman 准则下，给出了r k 估计，r d 估 计和主成分估计的比较结果。同时也给出了r k 估计，r d 估计和主成分估计在 基于广义马氏损失函数的Pitman 准则下相对于最小二乘估计的比较结果。 针对广义线性模型中的复共线性问题，提出了一类新的估计，即两参数估计。 研究了两参数估计在均方误差准则和均方误差矩阵准则下的一些性质。证明了存 ˆ ˆ k 0 0 d 1  在 及 ，使得两参数估计(k , d ) 的均方误差小于极大似然估计 的 ML ˆ ˆ ˆ