岭回归中确定K值的一种方法

本文给出了岭估计中确定K值的一种新方法,这种方法改进了Hoerl和Kennard的相应方法。     

岭参数又一确定方法的推广

对确定岭参数的方法进行了推广,给出了一种新的逐步改进岭参数κ的方法,这种方法能够通过调整岭参数来进一步减少岭估计的均方误差,并改进了Hoerl和Kennard的结果。     

多元广义岭估计及K值选取的 Q(c)准则

当自变量间存在复共线性时,最小二乘估计就表现出不稳定并可能导致错误的结果.本文采用广义岭估计β(K)来估计多元线性模型的回归系数β=vec(B),通过岭参数K值的选取,可使广义岭估计的均方误差MSE小于最小二乘估计的MSE.指出了广义岭估计中根据MSE准则选取K值存在的主要缺陷,采用了一种选取K值的新准则Q(c),它包含MSE准则和最小二乘LS准则作为特例,从理论上证明和讨论了Q(c)准则的优良性,阐明了c值的统计含义,并给出了确定c值的方法.     

岭估计优于最小二乘估计的条件

本文讨论在均方误差意义下岭估计优于最小二乘估计的问题，给出了岭估计优于小最小二乘估计的必要条件及较一般的充分条件。     

多元广义岭估计及K值选以的Q（c）准则

当自变量间存在复共线性时，最小二乘估计就表现出不稳定并可能导致错误的结果。本采用广义岭估计β（K）来估计多元线性模型的回归系数β=vec(B),通过岭参数K值的选取 ，可使广义岭估计的均方误差MSE小于最小二乘估计的MSE。指出了广义岭估计中根据MSE准则选取K值存在的主要缺陷，采用了一种选取K值的新准则Q（c），它包含MSE准则和最小二乘LS准则作为特例，从理论上证明和讨论了Q（c）准则的优良性，阐明了c值的统计 含义，并给出了确定c值的方法。     

混合系数线性模型的几乎无偏岭估计

本文研究了连续测量数据情况下的混合系数线性模型的参数估计问题.利用岭估计方法得到了该模型的几乎无偏岭估计,并证明了在均方误差意义下,几乎无偏岭估计优于岭估计.最后讨论了有偏参数的选取问题.     

关于无偏估计的若干问题

通过理论分析和实例讨论有关无偏估计的若干问题：无偏估计不一定存在;无偏估计一般不唯一;在均方误差意义下,无偏估计不一定优于有偏估计;均方误差最小的估计是最小方差无偏估计,但反之不然。     

增长曲线模型回归系数的广义岭估计

本文采用广义岭估计β（Ｋ）来估计增长曲线模型中回归系数β＝ｖｅｃ（Ｂ），通过Ｋ值的选取，可使其均方误差（ＭＳＥ）小于ＬＳ估计β的ＭＳＥ。同时对ＬＳ估计的任一线性变换，给出了其均方误差的一个无偏估计，并应用极小化β（Ｋ）的ＭＳＥ的无偏估计的方法，得到了确定岭参数的公式。     

增加试验数据对岭估计的均方误差的影响

在线性模型中,对于回归系数的岭估计和广义岭估计,本文给出了选择岭参数的条件,在此条件下,岭估计和广义岭估计不仅能改善LS估计,而且增加试验数据时,它们的均方误差都会减少。同时,本文将增加试验数据换成增加附加信息,从而讨论了附加信息对混合岭估计和混合广义岭估计的影响问题。     

多元线性模型回归系数的压缩LS估计

本文采用压缩ＬＳ估计Ｂ（ｋ）来估计设计矩阵呈病态的多元线性模型的回归系数Ｂ。通过ｋ值的选取，可使（ｋ）＝Ｖｅｃ（（ｋ））的均方误差ＭＳＢ小于β＝Ｖ＿ｅｃ（Ｂ）的ＬＳ估计β￣＊的ＭＳＥ。证明了具有可容许性、抗干扰性和有效性，并给出了实际应用中选取ｋ值的方法。     

测量误差数据下线性模型的几乎无偏岭估计

文章讨论带测量误差的线性模型中参数估计的问题.当带测量误差的线性模型存在复共线的时候,通过几乎无偏估计的思想,提出了几乎无偏岭估计,并对估计的性质进行分析.通过研究发现几乎无偏岭估计不但能克服复共线性,同时有比较小的均方误差.     

线性模型回归系数的c-(K,S)型估计的小样本性质

根据线性回归模型Y=Xβ+,εE(ε)=0,COV(ε)=σ2,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)型估计的基本性质;并在均方误差阵(M SEM)准则下讨论了c-(K,S)型估计相对于最小二乘估计的优良性,有助于线性回归系数有偏估计的进一步改进.     

回归系数的广义岭型主相关估计及其优良性

In this paper, we propose a new biased estimator of the regression parameters, the generalized ridge and principal correlation estimator. We present its some properties and prove that it is superior to LSE （least squares estimator）, principal correlation estimator, ridge and principal correlation estimator under MSE （mean squares error） and PMC （Pitman closeness） criterion, respectively.     

A Class of Linear Biased Estimators of Regression ParameterMatrix in the Growth Curve Model

ＡＣｌａｓｓｏｆＬｉｎｅａｒＢｉａｓｅｄＥｓｔｉｍａｔｏｒｓｏｆＲｅｇｒｅｓｓｉｏｎＰａｒａｍｅｔｅｒＭａｔｒｉｘｉｎｔｈｅＧｒｏｗｔｈＣｕｒｖｅＭｏｄｅｌ￥ＧｕｉＱｉｎｇｍｉｎｇ（ＺｈｅｎｇｚｈｏｕＩｎｓｔｉｔｕｔｅｏｆＳｕｒｖｅｙｉｎｇａｎｄＭａ...     

线性模型回归系数c-(K,S)型估计的优良性

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.     

Bayes估计与最小二乘估计的一个新的相对效率

考虑在错误的先验假定下线性模型回归系数的Bayes估计,将其与最小二乘估计进行比较,提出了Bayes估计与LSE的一种新的相对效率e5,给出了e5的基本性质,同时导出了它的上下界．     

生长曲线模型中参数的Bayes线性无偏估计

本文在平方损失下导出了生长曲线模型中参数的Bayes线性无偏估计(LUE), 并在均方误差矩阵(MSEM)准则下研究了Bayes LUE相对于广义最小二乘估计(GLSE)的优良性. 对于非满秩情形,获得了可估函数的Bayes LUE并讨论了其优良性问题.     

回归系数的广义岭型主相关估计及其优良性

在回归系数的主相关估计基础上提出一种新的降维估计——广义岭型主相关估计,并讨论它的优良性.