论文部分内容阅读
对于Gauss-Markov模型可容许性的研究已经比较成熟,有了系统和完整的理论结果。本文主要研究了一般线性模型(Y,Xβ,ε|ε~(0,σ2∑))中参数估计的可容许性特征,得到了一般线性模型在无约束,有等式约束及有不等式约束下,可容许线性估计均具有条件广义岭估计的形式的结论,并且讨论了这一条件广义岭估计的优良性,证明了其在均方误差和均方误差矩阵意义下都优于约束最小二乘估计,给出了参数矩阵K的选取方法。
本文首先概述了一般线性模型,岭估计及约束岭估计的发展历史和研究现状,在第二章介绍了矩阵的一些基本知识和可容许性的一些基本结论,第三章讨论了一般线性模型最佳线性无偏估计的几个等价条件,以及线性估计的可容许性特征,得到了一般线性模型的可容许线性估计均具有条件广义岭估计的形式,给出了一个齐次线性估计为可容许估计的充分必要条件。第四章分别在带等式约束条件以及不等式约束条件下,讨论了一般线性模型线性估计的可容许性特征,给出了在约束条件下齐次线性估计为可容许估计的充分必要条件,同时利用齐次线性估计与非齐次线性估计之问的关系,把齐次线性估计的可容许性特征推广到了非齐次线性估计的可容许性特征。第五章给出了约束线性回归模型中回归系数的条件广义岭估计,讨论了它的优良性,证明了它在均方误差及均方误差矩阵下都优于约束最小二乘估计,并给出了参数矩阵K的选择。