共查询到20条相似文献,搜索用时 54 毫秒
1.
PC准则下回归系数的一类线性估计的优良性 总被引:9,自引:0,他引:9
设线性回归模型为,此处n≥p,X的秩为R(X)=s,00为常数,∑_0为正定阵。本文证明了:在适当条件下(?)于PC准则下优于(?)并将这一结果应用于回归系数的岭估计、广义岭估计、压缩估计和Bayes估计。 相似文献
2.
回归系数的主相关估计及其优良性 总被引:6,自引:0,他引:6
本文在回归系数的主成分估计的基础上,提出一种新的降维估计-主相关估计,讨论了它的优良性,并用实例说明主相关估计对主成分估计的改进效果。 相似文献
3.
回归系数Pitman估计的优良性(Ⅰ) 总被引:2,自引:0,他引:2
考虑回归模型Y=Xβ+ε,其中X为n×k阶常数矩阵,且X′X=S>0。β是k维回归系数,即β∈R~k。ε是n维随机向量,其概率密度函数为σ~(-n)f(t/σ),σ>0。Y为n维观测向量。 若σ已知,不失一般性,可设σ=1。则β的Pitman估计为 相似文献
4.
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
5.
在线性模型中回归系数与误差方差具有正态-逆Gamma先验时,导出了回归系数与误差方差的同时Bayes估计.在均方误差矩阵准则和Bayes Pitman closeness准则下,研究了回归系数的Bayes估计相对于最小二乘(LS)估计的优良性,还讨论了误差方差的Bayes估计在均方误差准则下相对于LS估计的优良性. 相似文献
6.
7.
8.
本文讨论了Pitman准则下指数分布的参数估计问题,证明了尺度参数与位置参数的最接近仿射同变估计是PC-不容许的,并分别给出了各自的改进估计. 相似文献
9.
耿贵珍 《数学的实践与认识》2016,(10):169-173
根据线性回归模型Y=Xβ+ε,E(ε)=0,COV(ε)=σ~2I,对回归系数的有偏估计c-(K,S)型估计进一步研究;讨论了c-(K,S)型估计的优良性,在一定的条件下获得β_c(K,S)估计与LS估计的相对效率的界,并由此得出在设计阵病态时,β_c(K,S)型估计的精度明显高于LS估计;最后,证明了c-(K,S)型估计的可容许性,从而有助于病态线性回归系数有偏估计的进一步改进. 相似文献
10.
在均方误差矩阵(MSE-M)准则和在Pitman Closeness(PC)准则下,比较了部分根方估计相对于最小二乘估计的优良性. 相似文献
11.
半参数回归模型的渐近有效L-估计 总被引:2,自引:0,他引:2
对半参数回归模型yi=χiTβ+g(χi)+ei,i=1,2,…,n,对非参数函数g(·)采用核估计的方法,构造了参数向量β的L-估计量λn,在一些正则条件下,获得了λn的渐近正态性和非参数函数g(·)的估计量gn(t)的最优收敛速度可达到O(n-(1/3)),并且给出了标准化L估计量λn的渐近分布的Berry-Esseen界. 相似文献
12.
BAHADURASYMPTOTICEFFICIENCYINASEMIPARAMETRICREGRESSIONMODEL¥LIANGHUA;CHENGPINGAbstract:TheauthorSgiveMLEθ1MLofθ1inthemodelY=θ... 相似文献
13.
回归系数Stein压缩估计的小样本性质 总被引:10,自引:0,他引:10
本文在广义均方误差(GMSE)准则下给出了回归系数β的Stein估计优于最小二乘(LS)估计的充分必要条件,然后在Pitman Closeness(PC)准则下比较了Stein估计相对于LS估计的优良性,本文最后给出了一个特别的注记。 相似文献
14.
矩阵损失下随机回归系数和参数的线性Minimax估计 总被引:2,自引:0,他引:2
对于一般的随机效应线性模型Y=Xβ+ε,这里β和ε分别是p维和n维的随机向量,且E(βε)=(Aa0),Cov(βε)=σ2(V10
0V2),(Vi≥0,i=1,2)我们定义了Sα+Qβ的线性Minimax估计,在一定条件下得到了Sα+Qβ在线性估计类中的Minimax估计,并在几乎处处意义下证明了它的唯一性. 相似文献
15.
对带有随机效应的一般线性模型,本文提出了随机回归系数和参数线性组合的Minimax估计问题. 在二次损失下,研究了线性估计的极小极大性.关于适当的假设,得到了可估函数的唯一线性Mjnimax 估计. 相似文献
16.
LU KUNLIANG 《系统科学与数学》1983,3(2):095-111
1. INTRODUCTION Consider the multiple regression model xi=ciβ+ei,i=1,2,…,(1) where c_i=(c_(il),…,c_(ip)), i=1, 2,…are given row vectors; β∈R~p is an unknown parameter vector; e_1, e_2,…are i.i.d. random variables with a common probability density function f(x) with respect to the Lebesgue measure. Let x_1, x_2,…be a sequence of observa- 相似文献
17.
本文研究了一类纵向数据半参数模型参数和回归函数的估计问题.利用最小二乘法和一般的非参数权函数方法,获得了参数估计量的强收敛速度和回归函数估计量的一致收敛速度,推广了文献[4]的相应结果. 相似文献
18.
19.
本文研究了删失数据半参数回归模型的渐近正态性问题.利用样条光顺和合成数据的方法,获得了参数β、非参数h(t)的样条估计量,以及参数估计量的渐近正态性,推广了完全数据情形的相应结果[4]. 相似文献