生长曲线模型中基于奇异值分解的岭估计.pdfVIP

第 24卷第 5期 大 学 数 学 Vo1．24，№ ．5 2008年 1O月 COLLEGE M ATHEMATICS Oct．2008 生长曲线模型中基于奇异值分解的岭估计 方 芳 ， 江舜君 (1．南京工程学院基础部，南京 211167； 2．东南大学 数学系，南京 210O96) [摘 要]在生长 曲线模型中将设计阵的奇异值分解与普通的岭估计相结合 ，针对设计阵A与c至少有 一 个病态时的情况提出生长曲线模型 中基于奇异值分解 的岭估计．比较其在均方误差 ，均方误差矩 阵，及 PC 准则下相对于最小二乘估计 的优 良性．证 明其容许性并利用 Hemmerle和 Brantle用于确定广义岭估计参数 的方法给出极小化均方误差的无偏估计法选取岭参数． [关键词]生长曲线模型 ；LS估计 ；岭估计 ；奇异值分解 [中图分类号]O212 [文献标识码]A [文章编号]1672—1454(2008)05—0117-07 l 引 言 考虑生长曲线模型 ?fX—ABC+P， lE( (1) P)一0，Cov(Vec(e))一Lo J， 其中x是 ×q阶随机观测阵 ，A，C分别是n×P和 志×q阶已知设计阵，且 rk(A)一 ，rk(C)一k，B为 P×k阶未知回归参数阵，e为”×q阶的随机误差阵，口O为未知参数，Vec(P)是把 P按列拉直的列向 量 ，式中。代表 Kronecker积． 由[1]知模型(1)可化为一元线性模型 ／Vec(X)一( A)Vec(B．)+Vec(e)， lE(Vec(e))：0，Cov(Vec(e))一Iq⑧ I． 由[2]知 曰的 IS估计为 台一(A，A) A (c ) ，相应地卢一Vec(B)的LS估计为 一Vec(1})一[(c ) c (A，A) A]Vec(x)． 设计阵A，C的奇异值分解分别为 A—P(会)Q，c—G(厶0)H， (3) 其中P ×，Q ×，G×，H ×为正交阵 ， A—diag(2l，2，…，p)， l≥ 2≥…≥ O， A—diag(8l，2，…， )， l≥ 2≥…≥文O， (一1，2，…，)， (一1，2，… ，)分别为A，A及CC 的非零特征根． 由于B的 IS估计可写成形式 台一A’。XC ，其 中A ，C 分别为A，C的Moore—Penrose广义逆．则 由(3)知 Q( 0)P ()G． [收稿 日期]2006—06—09 118 大 学 数 学 第 24卷 在生长曲线模型中。当设计阵A或C病态时，即自变量间存在多重复共线性关系时，尽管最小二乘 估计在线性无偏估计类中具有许多优 良性质 ，但在整个线性估计类 中却未必是很好 的估计．近二十年 来，许多学者致力于改进 LSE，相继提出了许多有偏估计。卜 ．本文将设计阵的奇异值分解与普通 的岭 估计相结合 ，提出生长 曲线模型中基于奇异值分解的岭估计． 2 基于奇异值分解的岭估计及其优 良性 定义 l 对模型 (1)，B 的基于奇异值分解的岭估计定义为 (走，k2)：QA(‘O)PIXHf1△0j‘1G，． (