已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、本文研究線性回歸模型的參數(shù)估計,當設計矩陣呈病態(tài)時,最小二乘估計的效果變差甚至失效,因此,綜合根方估計和Stein估計,在均方誤差的意義下提出一種新的估計。
首先,針對一般線性回歸模型給出了Stein型根方估計量,并得到了它的均方誤差表達式。在均方誤差的準則下,分別證明了該估計優(yōu)于最小二乘估計、根方估計以及Stein估計的充分條件。通過實例模擬,證實Stein型根方估計的均方誤差值比最小二乘估計、根方估計以及Stein估計的均
2、方誤差值小。
其次,考慮帶有齊次線性等式約束Rβ=0的線性回歸模型,得到帶有齊次等式約束的條件Stein型根方估計量,并討論了它若干的統(tǒng)計性質,證明了它的均方誤差值分別小于條件根方估計以及條件Stein估計的充分條件。
然后,從第三章出發(fā),針對一般線性回歸模型,進一步將Stein型根方估計量中的根方參數(shù)尼替換為對角陣K=diag(k1,k2,…,kp),給出了廣義Stein型根方估計量。在討論一種特殊形式的廣義Ste
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 約束線性回歸模型回歸系數(shù)的條件根方估計.pdf
- 約束線性模型參數(shù)的Stein估計和嶺估計的研究.pdf
- 模糊線性回歸模型的參數(shù)估計.pdf
- 線性回歸模型參數(shù)有偏估計的研究.pdf
- 平衡損失函數(shù)下線性回歸系數(shù)的Stein估計及其性質.pdf
- 基于GCV方法的線性回歸模型嶺參數(shù)估計.pdf
- 半相依回歸系統(tǒng)的根方估計.pdf
- 部分線性回歸模型的估計.pdf
- 約束增長曲線模型中回歸參數(shù)陣的線性容許性估計及minimax估計.pdf
- 模糊線性回歸模型的參數(shù)估計和在金融中的應用.pdf
- 線性回歸模型參數(shù)估計及異常點檢測方法改進.pdf
- 多元線性回歸模型的有偏估計
- 多元線性回歸模型的有偏估計
- 多元線性回歸模型的有偏估計
- 凸約束廣義線性回歸模型參數(shù)的極大似然估計研究.pdf
- 半相依回歸模型的參數(shù)估計.pdf
- 相依線性回歸系統(tǒng)參數(shù)估計的改進.pdf
- 線性回歸模型參數(shù)有偏估計的進一步探討.pdf
- 線性回歸模型Liu估計的新研究.pdf
- 基于Bayesian的空間多層線性回歸模型的參數(shù)估計及其應用.pdf
評論
0/150
提交評論