Estimation without Invariance and Hsu’s Theorem in Variance Component Models

  • Hilmar Drygas
Conference paper

Abstract

This paper deals with the linear model y = X θ + U ε, E ε = 0, \( Cove\;\varepsilon = \sum\limits_{i = 1}^m {{\sigma ^2}} {V_i} \). It is investigated when a best quadratic unbiased estimator of certain linear parametric functions of the σ i 2 . exists. This question is investigated in the normal and non-normal case. The obtained conditions generalize Hsu’s theorem for the invariant case. Finally it is shown that the obtained conditions are met in balanced one-way and two-way classification models.

Keywords

Covariance Estima Bide 

Zusammenfassung

Diese Arbeit beschäftigt sich mit dem linearen Modell y = X θ + U ε, E ε = 0, \( Cove\;\varepsilon = \sum\limits_{i = 1}^m {{\sigma ^2}} {V_i} \). Es wird untersucht, wann eine beste quadratische unverfälschte Schätzung gewisser linearer parametrischer Funktionen der σ i 2 existiert. Diese Frage wird sowohl im normalen als auch im nichtnormalen Fall diskutiert. Die erhaltenen Bedingungen verallgemeinern den Satz von Hsu im invarianten Falle. Schließlich wird gezeigt, daß die erhaltenen Bedingungen für die Modelle der einfachen und zweifachen Klassifikation erfüllt sind.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. [1]
    Drygas, H.: “Best quadratic unbiased estimation in variance-covariance component models”. Math. Operationsf. und Statistik, 8 (1977), 211–231.Google Scholar
  2. [2]
    Drygas, H. and J. Srzednicka: “A new result in Hsu’s model of regression analysis”. Bull. Polish Acad. Sci. 24 (1976), 1133–1136.Google Scholar
  3. [3]
    Drygas, H. and G. Hupet: “A new proof of Hsu’s theorem in regression analysis — A coordinate-free approach”. Math. Operationsf. und Statistik, 8 (1977), 333–335.Google Scholar
  4. [4]
    Drygas, H.: “Hsu’s theorem in variance component models” in Mathematical Statistics, Banach Center Publications, Volume 6, 95–107, Warszawa 1980.Google Scholar
  5. [4a]
    Homburg, W.: “Varianzkomponentenschätzung bei balancierten ANOVA-Modellen”. (1982), Diplomarbeit an der Gesamthochschule Kassel.Google Scholar
  6. [5]
    Khatri, C.G.: “Minimum Variance Unbiased Estimate of Variance Under ANOVA Model”. Gujarat Statistical Review, Vol. V, No. 2, October 1978, 33–41.Google Scholar
  7. [6]
    Khatri, C.G.: “Minimum Variance Quadratic Unbiased Estimate of a Linear Function of Variances and Covariances Under MANOVA Model”. Journal of Statistical Inference and Planning, 3 (1979), 299–303.CrossRefGoogle Scholar
  8. [7]
    Kleffe, J.: “Best Quadratic Unbiased Estimators for Variance Components in the Balanced Two-way classification Model”. Math. Operationsf. u. Statistik 6 (1975), 189–196.CrossRefGoogle Scholar
  9. [8]
    Kleffe, J. and R. Pincus: “Bayes and Best Quadratic Unbiased Estimators for Variance Components and Heteroscedastic Variances in Linear Models”. ibid 5 (1974), 147–159.CrossRefGoogle Scholar
  10. [9]
    Kleffe, J. and R. Pincus: “Bayes and Best Quadratic Unbiased Estimators of the Covariance Matrix in a Linear Model”, ibid 5 (1974), 43–67.CrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1985

Authors and Affiliations

  • Hilmar Drygas
    • 1
  1. 1.KasselGermany

Personalised recommendations