共查询到20条相似文献,搜索用时 0 毫秒
1.
对由m个相依线性回归方程组成的线性回归系统,本文提出了基于最小二乘估计和协方差改进估计的一种新型估计,即预检验估计。文章讨论了度量附加信息和样本信息之间相关程度的统计量,给出了估计的一些优良性结果,并与最小二乘估计及协方差改进估计作了比较,最后通过随机模拟验证了预检验估计所具有的良好性质。 相似文献
2.
回归系数的综合岭估计 总被引:8,自引:0,他引:8
林路 《数理统计与应用概率》1996,11(3):179-185
本文提出了回归系数的一种新的有偏估计--综合岭估计,讨论了综合岭估计的优良性,可容许怀等性质,给出了其迭代和极小均方程误差的无偏估计解,在综合估计下,岭估计和根方估计作为其特例,从而统一了岭估计和根方估计理论。 相似文献
3.
对于一类相依线性回归系统,本文提出了一种泛岭改进估计,并讨论了这种估计及相应的两步估计的优良性质,获得了若干深入的结果. 相似文献
4.
半相依回归系统中回归系数估计的若干结果 总被引:1,自引:0,他引:1
本文首先给出了半相依回归系统中回归系数的一种新的估计方法,即用一些较简单的矩阵代替β的BLUE(?)中相当复杂的矩阵,得到β的相应的估计.协方差改进估计(CIE)可以看成是BLUE的某种“近似”.当CIE可以改进时,我们引入广义CIE(GCIE),讨论了GCIE的一些统计性质.在∑_(mxm)已知时.我们还得到β_(?)在线性估计类中均方损失下的可容许估计. 相似文献
5.
6.
对于两个相依线性回归方程组成的系统(1.1),本文提出了β1的待定系数估计β^*1(k,c)=(x′1x1 k1)^-1(x′1y1-cσ12/σ22x′1N2y2),其中岭参数k≥0.c是待定系数.与β^*1(k,c)对应的非限定两步估计记为β^41(T,k,c).当c=1时β^*1(k,1)=β1(k)和β^*1(T,k,1)=β1(T,k)等干[6]引入的一双有偏估计,结果表明总可以选取适当的c值和k值使β^*1(k,c)和β^*1(T,k,c)在均方误差阵准则下分别优于β1和β1(T),并讨论了c值的最佳选择问题. 相似文献
7.
8.
对由m个相依线性回归方程组成的线性回归系统,本文把模型蕴含的信息分为样本信息和附加信息,提出了利用逐次迭加附加信息导出未知参数估计的一种新方法。具体地,解决了如下三个问题:(1)给出了概括附加信息的统计量;(2)找到了把附加信息迭加到样本信息的方法;(3)证明了用这种方法所导出的新估计的一些重要统计性质。 相似文献
9.
10.
11.
对于相依线性回归方程组Yi=Xiβi+εi(i=1,2),我们提出了系数向量βi的一种较为简便的“朴实”的两步估计量,例如β1的估计量为β1(T)=(X’1,X1)^-1X‘1Y1-σ12σ22(X’1X1)^-1X‘1TY2。其中Σ=(σij)的一种估计量,本文给出了Σ的一种新取法,通过均方误差矩阵的大小我们证明了这种简便两种估计有有限样本量下可优效于LS估计。 相似文献
12.
本文基于岭估计研究了正态线性回归模型中未知参数的最小体积置信集问题.利用Jackknife方法,获得了在不同情况下未知参数的最小体积置信集.最后,与经典置信集进行比较,在最小体积意义下我们所得到的置信集是最佳的. 相似文献
13.
线性回归系统两步协方差改进估计的优良性 总被引:1,自引:0,他引:1
对于m个相依回归方程组成的线性回归系统。本文研究了两步协方差改进估计在均方误差阵意义下的优良性,即在随机误差服从正态分布的假设下,当样本量充分大时,两步协方差改进估计与协方差改进估计一样好。 相似文献
14.
15.
SUR回归方程系统的预检验估计 总被引:1,自引:1,他引:0
对于SUR回归方程系统,[1]提出回归系数的一种有偏估计βi^*。本文证明它是βi的线性估计类中的可容许估计,在一定条件下它优效于[2]提出的一种协方差改进估计βi^∧和OLS估计。本文还讨论了估计占优条件的假设检验问题。 相似文献
16.
In this paper,the mixed estimations of regression coefficient in multivariate linear model is giyen on the condition of expanding sample data and their optimalities are considered.It is shown that GLSE is equivalent to the above mentioned mixed estimations.Furthermore,Bayes estimation in multivariate normal model,which is the same as the mixed estimations,is also improved. 相似文献
17.
18.
19.
20.
考虑部分线性模型Y=X‘β+g(T)+e,x∈D,t∈「0,1」,β为未知的参数向量,g为未知函数,Chen给出此模型的一种估计如下,先用分段多项式逼近g,然后用最小二乘法估计β,「1」得到估计量β的渐近正态性。因其渐近分布中含有未知参数,不能直接用于检验问题。 相似文献