关于岭估计若干问题与研究.pdfVIP

武汉科技大学硕士学位论文 第I 页 摘 要 本文研究线性回归模型中回归系数的估计。当对一些实际问题建立线性模型时，由 含较多自变量或一些变量之间存在高度的相关，直接用最小二乘估计，往往会有较大的均 方误差，以致结果没有实用价值。所以，我们继续改进最小二乘估计。 第二章， 析复共线性的成因。给出了产生复共线性现实因素，进而找到了复共线性 形成机理。从圴方差误差的角度考察了复共线性对的最小二乘估计所造成的影响。 第三章，讨论岭估计的性质。证明了在一般的条件下，存在一个合适的参数，使岭估 计的均方误差比最小乘估计的小。 第四章，构造了一个由普通混合估计OME 与岭估计ORE 混合而成的新估计OMRE ， 给出了这个新估计相对 OME 与ORE 的一些优良性质，并通过实际数 进行验证，所构 造的估计有很好实际表现。 关键词:复共线性；岭估计；岭参数；混合岒估计 武汉科技大学硕士学位论文 第II 页 Abstract This thesis discussed the estimation of regression coefficient in the linear model. When we want to build a linear model for satisfying some practical need, there may be some covariates which are linearly related and enter the final model so that linear square estimate has large mean square error and loses its value in practical application. In the paper, How to improve the linear square estimate is discussed. Chapter 2 analyses the cause which creates collinear. From the practical cause to theory analysis, the mechanism of collinear is described and explored. The consequence of collinear for linear square estimation is given by the mean square error. Chapter 3 discuses ridge estimation. There must exist a parameter K so that the mean square error of ridge estimation is little than linear square estimation s. In Chapter 4, the mixture estimation of OME and ORE is put up. The novel optimal properties are explored. The example proved that the mixture estimation is better than the previous estimation and has a satisfied consequence for our data. Keywords: multicollinearity; ridge estimation; ridge parameter; mixed ridge estimation 武汉科技大学硕士学位论文 第1 页 第一章 绪论 1.1 研究背景 众所周知，最小二乘估计(LS)有许多优良的