论文部分内容阅读
线性模型是数理统计学中一类很重要的统计模型，在经济、生物、军事等领域有着广泛的应用。而对线性模型的研究主要集中在参数估计方面。在参数估计问题中，最小二乘估计是最基本、最常见的估计。随着统计学的迅速发展，我们知道最小二乘估计在很多情况下并不是一个好的估计。本文研究了广义Gauss-Markov模型中参数的Bayes线性无偏估计及其优良性问题。 本文首先简略地分析了Bayes统计学和线性模型的基本理论，包括统计决策、先验分布和后验分布、风险函数、最小二乘方法和Bayes估计方法。其次针对广义Gauss-Markov模型，采用Bayes估计方法获得了模型参数的Bayes线性无偏估计，并在均方误差矩阵准则和PC准则下比较了Bayes线性无偏估计相对广义最小二乘估计的优良性。最后研究了在先验分布错误指定情况下四种相对效率的界。结果表明在广义Gauss-Markov模型中Bayes线性无偏估计是比广义最小二乘估计更好的一种估计方法。