论文部分内容阅读
本文研究了线性模型中参数的Bayes线性无偏估计(BayesLUE)和参数型经验Bayes(PEB)估计的构造方法及其性质。
对一般的Gauss-Markov线性模型，我们获得了参数及其可估函数的BayesLUE，并讨论了BayesLUE在均方误差矩阵(MSEM)准则和PitmanCloseness(PC)准则下相对于最小二乘(LS)估计的优良性，并且还研究了BayesLUE对先验分布的稳健性；在先验假定和样本分布中含有未知超参数和冗余(nuisance)参数时，构造了参数及其可估函数的PEB估计并证明了其小样本性质和渐近性质。
对奇异线性模型，获得了参数的Bayes线性无偏估计，并在MSEM准则和PC准则下证明了BayesLUE相对于Rao的最小二乘统一理论下的最佳线性无偏估计(BLUE)的优良性，还讨论了BayesLUE对先验分布的稳健性和与BLUE的相对效率的界。
对一般的分块线性模型，我们研究了参数及其可估函数的BayesLUE的小样本性质，获得了BayesLUE相对于LS估计的优良性。在先验假定和样本分布中含有未知超参数和冗余参数时，构造了参数及其可估函数的PEB估计并且研究了PEB估计的性质。
最后将Gauss-Markov线性模型下的部分研究结果推广到多元线性模型场合。