复共线性条件下广义岭估计的改进

对于复共线性条件下线性回归模型的广义岭估计进行了进一步的研究.针对线性回归模型病态的根本原因,提出了一类新的估计--0-K型广义岭估计.研究这一估计的性质,证明利用0-K型广义岭估计技术可以改进广义岭估计(在均方残差意义下).文中的方法为病态线性回归模型系数的有偏估计提供了改进的技术途径.     

复共线性条件下广义岭估计的改进

对于复共线性条件下线性回归模型的广义岭估计进行了进一步的研究。针对线性回归模型病态的根本原因,提出了一类新的估计——0-K型广义岭估计。研究这一估计的性质,证明利用0-K型广义岭估计技术可以改进广义岭估计(在均方残差意义下)。文中的方法为病态线性回归模型系数的有偏估计提供了改进的技术途径。     

非齐次等式约束下奇异型线性回归模型的广义条件岭估计

文章对线性回归模型参数有偏估计做进一步研究,提出了在非齐次等式约束下奇异型线性回归模型参数的广义条件岭估计,并给出它的一些性质,而且证明了在一定条件下,在均方误差阵和广义均方误差意义下,广义条件岭估计都优于约束最小二乘估计.最后,通过实际数据进行实证分析,得到了取不同岭参数矩阵时对应的广义条件岭估计及其MSE,验证了广义条件岭估计优于约束最小二乘估计的充分条件的正确性.     

相依回归系统参数的广义岭型改进估计

从设计阵的多重共线性角度出发,提出一种新的相依回归系统回归系数有偏估计——广义岭型改进估计.讨论了此估计的优良性,如:有偏性、可容许性等,在均方误差准则下证明了此估计要优于传统的岭型改进估计,并对同类估计进行了比较.     

广义岭估计优于LS估计的一个充分条件

本文对线性回归模型给出了其参数β的广州岭估计优于LS估计的一个充分条件,从而把文献中,岭估计优行LS估计的充分条件统一起来。     

广义岭型估计岭参数的确定方法

在线性回归模型的理论研究中,参数的点估计是一个重要的研究方向。针对设计矩阵的近似复共线性,考虑回归系数的椭球约束,推广了广义岭型估计在均方误差阵意义下优于广义最小二乘估计的有关结论;针对广义岭型估计是一种自适应非线性估计,提出了采用线性Minimax估计和平衡损失函数确定广义岭型估计岭参数的具体方法,并应用R软件作了算例分析和比较。     

线性回归模型的一种有偏估计

在线性回归模型Y=Xβ ε;Ε(ε)=0;cov(ε)=σ2I下给出了有偏估计βc*(K)=(cXTX ΦKΦT)-1XTY,其中c≥1,K=diag(k1,k2,…,kn)为对角阵,ki≥0,讨论了这种有偏估计的可容许性,利用Stein式压缩技术说明在均方误差意义下它优于广义岭估计,推广了有关结果.     

因子得分的广义岭估计

用广义岭估计改进因子得分的加权最小二乘估计,使估计均方误差减小,且岭参数的选择除可以迭代求解外,还可直接求解.     

线性模型参数一类新的s-K估计

基于线性回归模型参数向量的先验信息提出一类新的s-K估计——改进s-K估计,并在均方误差阵意义下,得到了这类估计分别优于最小二乘估计、广义岭估计、Stein估计及s-K估计的充要条件.     

广义岭估计参数的迭代算法

以无不良符号为原则 ,提出线性回归模型广义岭估计的参数选取的一种迭代算法 ,通过与其它几种岭估计的参数选取方法作比较 ,进一步说明本文方法的优越性     

相依回归系统参数的一种有偏估计

对二个相依回归方程组成的线性系统,提出两种新的有偏估计广义岭型协方差改进估计和广义岭型两步协方差改进估计．讨论了这两种估计的优良性质,给出的这两种估计是岭型协方差改进估计和岭型两步协方差改进估计的推广．     

平衡损失下回归系数的最小风险估计

研究了线性模型中回归系数的最小风险估计问题.在平衡损失函数下,考虑了回归系数线性估计在线性估计类中的最小风险性,结果表明最小风险估计是非线性有偏估计,它与未知参数有关,当用未知参数的不同估计代替时,得到的估计都是一种估计的平衡.     

广义对角岭型估计类

提出了具有岭型形式的一类回归系数的参数估计--广义对角岭型估计类.在线性模型的典则形式下此估计类仍是最小二乘估计的一个线性变换,具有有偏性和压缩性.同时还讨论了它的均方误差的形式,证明了在均方误差意义下,在某个椭球范围内它优于最小二乘估计,得到了该估计类的残差平方和的一个简单形式.最后指出该估计类其实是具有岭型形式估计类的统一形式.     

影响分析中岭估计的广义方差比研究

本文利用广义方差比度量在线性模型中剔除一组或多组数据对岭估计的影响.给出了剔除前后岭估计的广义相关系数的表达式,并得到了某些一般的结果。     

利用调查数据中完全辅助信息的广义模型校正方法

推广了模型校正方法去估计总体和均值以外的总体参数.建议的模型校正估计可以处理任何线性或非线性的工作模型,且在线性模型的情形下变为广义回归估计.通过Kronecker积,可把模型校正方法用于估计双线性参数,特别地,去估计方差和协方差.     

基于MATLAB的岭归分析程序设计及其应用

岭归分析是多元线性回归分析中的一种方法,在实际应用中经常遇到。本文通过设计MATLAB中Ridgel函数程序,介绍如何利用MATLAB进行岭回归分析。     

回归系数的线性估计在平衡损失下的可容许性

针对多元正态线性模型,根据Zellner提出的平衡损失函数,对其进行变形,定义了更一般的平衡损失函数。研究了在该损失下,多元正态线性模型回归系数矩阵的线性估计在一切估计类中的可容许性,并给出了充要条件。该方法同样适用于线性估计类中的可容许性以及其他的可容许性的研究。     

结构型E-V线性模型中参数估计的若干结果

由于E-V线性模型的复杂性,通常的最小二乘估计等在这种模型中一般不是相合的。本文在结构型简单线性模型中,利用矩方法与秩方法建立了若干估计量,并且论证了这些估计量的相合性与渐近正态性,报告了主要结果。