约束线性模型系数的岭型Stein估计及最优预测.pdfVIP

约束线性模型系数的岭型Stein估计及最优预测 朱 宁，赵 肖肖，张茂军 (桂林电子科技大学 数学与计算科学学院，广西桂林541004) 摘 要：文章提出基于齐次等式约束下的线性模型系数的约束岭型Stein估计，并和约束最小二乘估计 (RLSE)进行了比较，在均方误差准则下得到 了约束岭型Stein估计优于RLSE的充分条件。然后 。就基于约束岭 型Stein估计的预测量与RLsE的预测量的最优性判别问题进行 了讨论，得到 了在风险函数意义下约束岭型 Stein估计的预测量优于RLSE的预测量的充分条件，通过实证分析 ，进一步验证 了在一定条件下约束岭型Stein 估计优于RLSE。 关键词 ：约束线性模型；约束最小二乘估计；岭估计；Stein估计 ；最优线性无偏预测 中图分类号：0212．4 文献标识码：A 文章编号：1002—6487(2013)12—0004—03 0 引盲 1 约束岭型Stein估计 随着回归分析的广泛应用、推广和社会经济生活结构 考察模 型 (1)，设 是 的一个估计 ，不妨写成 的日益复杂化，人们在进行数据分析时，往往考虑的是在 5o=D 的形式，其中D是pxn阶矩阵．此时， 的均方 某些特殊情况下的有约束的回归分析。考虑约束下的线 误差阵(MSEM)为 性回归模型： MSEM(fo)=E(flo— (50一 )=‘ DD+‘(D —I)55‘ l 1= p 1+ ×l，￡ I~N(0，0．z厶) … (D — ) (3) lRq~pSp~1=0 将 (3)式关于矩阵D求偏导，并令结果为零，可以得 其中，Y 为n维观测列向量， 为设计矩阵，满 到D= x(xs／x+。J)～，那么，可得使MSEM最小的 足ran~X)=p； 1EB={=0}为P维未知列向量； 估计 。，有 e 为n维随机误差列向量； 为已知常数；L为 阶单 位矩阵；R为qxp阶矩阵，满足rank(R)=gp。参数的 x(x55X+aZ1)-ly= (4) 无约束最小二乘估计 为 =(xx)XY 将LSE带入 (4)式中的 ，即可得到一类Stein型估 可以证明脚，模型 (1)中参数 的约束最小二乘估计 计，称为Farebrother估计 “”。有些研究者希望改进Stein估 (RLSE)为： 计，以期望获得使均方误差最小的估计。王剑[1在 (4)式 R： 一(xx)R[R(xX)-R’]R (2) 的基础上也对Stein估计进行了改进，引入压缩系数k，并 最小二乘估计(LSE)是无偏估计类中方差最小的估 利用已知P阶正定矩阵B代替了X 。然而B的选取 计，但是，当模型存在复共线性时，LSE就不那么稳定了，这 方法并没有根据，而且由【10】可知，压缩系数k的选取依赖 时采用有偏估计来克服共线性 】，口】。Stein于1956年提出了 于数据，于是，文章对岭估计和Stein估计做了改进 ，期望 一 种有偏估计，并证明了当维数大于2时，正态均值向量的 用一个岭参数 (又可称作压缩系数)统一估计中的未知参 LSE不再是可容许的4[1·5[1．Hoed和Kennard于 1970年提出了 数的选取，在模型(1)下提出了约束岭型Stein估计。 岭估计 (RE)t6j。许多研究者对Stein估计和岭估计做了不 定义 1对约束线性模型(1)，称(5)式给出的 (志)为 同的改进，以期望缩小均方误差来提高估计的精度嗍’。‘。文