内容简介
线性模型是现代统计学中一类重要的模型，广泛地应用于经济，金融，生物、医学和工程技术等领域。在该模型的建模分析中，统计学家主要研究模型的参数估计理论，假设检验以及未来观察值的预测等统计推断问题。相比较，参数的假设检验以及未来观察值的预测问题研究更多的依赖于参数估计的结果。因此，模型的参数估计理论在整个建模分析过程中起到重要的作用，得到统计学家的高度重视。一方面，需要研究模型的参数估计理论和方法，并对各种估计的优良性进行分析；另一方面，需要基于模型参数估计结果对未来观察值的预测方法进行研究。本书围绕厚尾分布下线性模型中若干参数估计方法，基于统计决策理论对它们的优良性进行分析，便于人们合理的选择各种估计方法，同时分别基于统计决策理论和贝叶斯分析思想探讨有限总体的*优预测，可容许预测和贝叶斯预测。
目录
Contents
Preface
Chapter 1 Introduction 1
1.1 Research progress on parameter estimation 1
1.1.1 Advances in the estimation of regression coe±cient 1
1.1.2 Advances in the estimation of error variance 3
1.2 Research progress on-nite population 4
1.3 Plan of this book 5
Chapter 2 Comparisons of Biased Estimators for Regression Coe±cient 7
2.1 Introduction 7
2.2 Balanced loss function and risk 9
2.3 Numerical analysis 12
2.4 Proof of main results 15
Chapter 3 Comparisons of Parametric Estimation in a Misspeci-ed Linear Model 19
3.1 Compari
