收藏本站
《北京工业大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

线性混合模型与多元分布中的统计推断问题

马铁丰  
【摘要】: 本文研究一些线性混合模型以及几类重要多元统计分布中未知参数的统计推断问题。 对于一般的混合模型,本文利用随机效应方差分量和随机误差方差分量ANOVA估计问的相关性借鉴著名统计学家Rao的协方差改进方法给出了随机效应方差分量的ANOVA协方差改进估计,并证明了在均方误差意义下一致的优于ANOVA估计,Mathew等在含有两个方差分量的混合模型下提出的改进估计是其一特例。一般情况下,混合模型的方差分量都是非负的,因此方差分量的估计也应该是非负的才是合理的估计。在含有两个方差分量的混合模型下,我们首次给出了方差分量的非负预检验估计,并证明了在均方误差意义下一致的优于ANOVA估计。对于含有一个随机效应的混合模型,目前文献中都仅讨论了方差分量的谱分解估计和ANOVA估计等价的充要条件,本文首次给出了方差分量的谱分解估计在均方误差意义下严格的优于ANOVA估计的理论结果,并推广到广义谱分解估计,从而说明谱分解估计不仅较ANOVA估计有更好的统计性质,而且在一类常用的模型下有更小的风险损失。进一步,本文首次将谱分解估计方法推广到多元混合模型下,提出了多元混合模型方差分量矩阵的谱分解估计。同样地,证明了均方误差意义下方差分量矩阵的谱分解估计一致优于ANOVA估计。另外,本文还讨论了混合模型方差分量的检验问题。在广义谱分解估计的基础上,应用目前备受关注的广义p值方法给出了混合模型方差分量的精确检验,通过模拟研究表明此检验方法能够很好的兼顾控制犯第一类错误的概率和功效。 对于Panel数据模型,本文分别在均方误差准则和Pitman准则下讨论了回归参数的两步估计、最小二乘估计、Within估计和Between估计的比较问题,特别是,我们得到了在Pitman准则下最小二乘估计一致的优于Between估计这一有意义的结果。我们给出了Pitman准则下,最小二乘估计优于Within估计的一个充分条件,最后又得到了广义均方误差意义下两步估计一致的优于Between估计和Within估计的充分条件,并且这些条件只是和模型维数有关而和未知参数无关的一些不等式关系,因此便于实际应用。我们进一步又考虑了回归系数最小二乘估计相对于最优线性无偏估计的效率问题,应用矩阵意义下Kantorovich不等式的最新理论结果,给出了Panel数据模型回归系数最小二乘估计的范数类相对效率上界的最新结果。 在半相依回归模型下,考虑了回归系数的改进估计问题。本文主要应用协方差改进方法,对回归系数已有的一些估计方法作了一系列的改进,并讨论了改进估计的优良性。特别地,对于含有两个回归方程的相依回归系统,我们另辟蹊径提出了新的改进方法,在构造协方差阵的估计时,我们将样本分成两组,则可以得到两个独立的无偏估计,这样在讨论我们给出高阶协方差改进估计的性质时可以降低计算矩的阶数,从而得到更好的小样本性质。另外,我们首次讨论了Pitman意义下两步协方差改进估计的优良性,给出了两步协方差改进估计优于最小二乘估计的充分条件,最后,本文还考虑了具有共同回归系数的相依回归系统的回归系数估计问题,并讨论了其优良性。 最后,本文考虑了几类重要的多元分布的参数估计问题。(1)对于非中心Wishart分布的非中心参数矩阵,本文基于通常的无偏估计给出了一系列的预检验估计。在两种不同的二次损失下,我们得到了这些预检验估计一致的优于无偏估计的简单条件,这些条件都只是预检验估计中待定常数的选取问题,因此很容易实现。(2)考虑了带有附加信息的两个多元正态总体均值向量的保序估计问题,将Oono和Shinozaki(2005)给出的一元情况下保序估计的结论推广到多元,并从协方差阵己知和未知两个方面去考虑。当协方差阵已知时,我们提出的保序估计一致的优于无约束极大似然估计;当协方差阵未知时,我们证明了当协方差阵满足一定的偏序关系时,在广义二次损失下我们提出的保序估计一致的优于无约束极大似然估计。(3)鉴于James和Stein提出的非线性压缩思想,目前很多文献将这种方法推广应用于多元正态矩阵均值的改进估计中,提出了很多尺度压缩估计和矩阵压缩估计。本文首次考虑了均值矩阵的修正Stein估计的可容性,指出了具有较小尺度压缩系数的修正Stein估计是不可容许的。本文在修正Stein估计的基础上引进自适应压缩系数,并分别给出了一致的优于Stein估计和修正Stein估计的自适应压缩估计。
【学位授予单位】:北京工业大学
【学位级别】:博士
【学位授予年份】:2008
【分类号】:O212.1

【相似文献】
中国期刊全文数据库 前10条
1 王立强;续秋霞;李海洋;;我国31个地区2001~2008年GDP时空分析[J];云南民族大学学报(自然科学版);2011年04期
2 陈伟;余旭初;王鹤;闻兵工;靳克强;;基于粒子群算法的高光谱影像端元提取技术[J];测绘科学;2011年04期
3 余岸竹;陈伟;张驰;冯伍法;;一种采用稀疏促进的高光谱影像端元提取方法[J];测绘科学技术学报;2011年04期
4 李再兴;丁胜;;带限制线性混合模型中参数估计的小样本性质(英文)[J];应用概率统计;2011年03期
5 杨志雄;袁岱菁;;非线性混合效应模型和广义线性模型拟合随机效应logistic回归的应用比较[J];中国卫生统计;2011年03期
6 高晓惠;相里斌;魏儒义;吕群波;卫俊霞;;基于光谱分类的端元提取算法研究[J];光谱学与光谱分析;2011年07期
7 索文莉;李长国;郭彦;;随机系数模型在纵向数据中的应用[J];军事交通学院学报;2011年05期
8 李强;陈淑娟;;高光谱遥感分类识别方法在油气信息提取中的应用[J];中国高新技术企业;2011年24期
9 ;[J];;年期
10 ;[J];;年期
中国重要会议论文全文数据库 前5条
1 侯英雨;何延波;王石立;孙林;;利用EOS-MODIS数据提取作物冠层温度[A];农业生态与卫星遥感应用技术学术交流会论文摘要集[C];2006年
2 马光彦;王伟策;孙峥;蒋新胜;;基于特征矩阵联合近似对角化的多声源信号分离[A];第七届全国信息获取与处理学术会议论文集[C];2009年
3 孙峥;马光彦;蒋新胜;罗珊;;基于FastICA算法的含噪声多声源信号分离[A];第八届全国信息获取与处理学术会议论文集[C];2010年
4 王作春;甘仞初;;基于copula函数的相关异类风险的综合风险测度方法研究[A];全国第九届企业信息化与工业工程学术会议论文集[C];2005年
5 胡桂萍;刘波;郑雪芳;张建福;谢华安;;水稻植株及其内生微生物磷脂脂肪酸生物标记异质性[A];第三届全国微生物资源学术暨国家微生物资源平台运行服务研讨会会议论文摘要集[C];2011年
中国重要报纸全文数据库 前4条
1 Winsky张曦元;巴西能否独善其身?[N];上海证券报;2008年
2 本报评论员;履行光荣使命 谱写崭新篇章[N];中国电力报;2006年
3 记者 李柏生 通讯员 黄万众;和谐电力论坛组委会召开第一次会议[N];中国电力报;2006年
4 ;工会工作如何适应职工队伍的发展变化[N];工人日报;2003年
中国博士学位论文全文数据库 前5条
1 马铁丰;线性混合模型与多元分布中的统计推断问题[D];北京工业大学;2008年
2 范永辉;线性混合效应模型的估计与检验[D];北京工业大学;2007年
3 武萍;纵向数据中线性混合模型的估计与检验[D];华东师范大学;2009年
4 耿修瑞;高光谱遥感图像目标探测与分类技术研究[D];中国科学院研究生院(遥感应用研究所);2005年
5 朱芳;复杂零件加工过程质量控制理论与方法研究[D];武汉理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 金孝勇;一类线性混合模型的参数估计[D];安徽师范大学;2011年
2 薛蕊;线性混合模型的参数估计[D];安徽师范大学;2010年
3 王楠;临床试验中高级统计方法图形用户界面的设计和实现[D];复旦大学;2012年
4 李光辉;线性混合模型中的参数估计[D];青海师范大学;2010年
5 吴瑛;线性混合模型中的方差分量估计及广义p值检验[D];安徽师范大学;2011年
6 孙莎莎;线性混合模型中固定效应的检验[D];山西师范大学;2010年
7 陈宏霞;对联合线性混合模型使用Pairwise方法做仿真模拟[D];东北师范大学;2011年
8 王雨;线性混合模型的模型选择[D];北京工业大学;2003年
9 江冬明;线性混合模型的影响分析[D];北京工业大学;2001年
10 薛绮;基于线性混合模型的高光谱图像端元提取方法研究[D];国防科学技术大学;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026