线性模型中回归系数的可估函数和误差方差同时的Bayes估计及优良性.pdfVIP

第37卷 第5期 应 用 数 学 学 报 Vo1．37No．5 2014年 9月 ACTAMATHEMATICAEAPPLICATAESINICA Sep．，2014 线性模型中回归系数的可估函数和 误差方差同时的Bayes估计及优良性 陈 敏 韦来生 (中国科学技术大学统计与金融系，合肥230026) (E-mail：tlwei@ustc．edu．cn) 摘 要 在线性模型中回归系数与误差方差具有正态 ．逆Gamma先验分布，且假定设计阵非列 满秩的情形下，导出了回归系数的可估函数与误差方差同时的Bayes估计．分别在均方误差矩阵 (MSEM)准则和BayesPitmanCloseness(BPC)准则下，研究了回归系数可估函数的Bayes估 计相对于最小二乘 (Ls)估计的优良性，讨论了误差方差的Bayes估计在均方误差 (MSE)准则 下相对于 LS估计的优 良性． 关键词 线性模型；可估函数；Bayes估计；最小二乘估计；MSEM准则；BPC准则 MR(2000)主题分类 62C10；62J05 中图分类 0212．1 1 引言 设有下列正态线性回归模型 ym×1： ×p ×1+em×1， e Ⅳ (0，。 )， (1．1) 其中 为已知的设计阵，且 ：()=s P m， 和 盯。0皆为未知参数． 当R(X)：sP，即模型 (1．1)中的设计阵非列满秩时，回归系数 是不可估的， 此时我们考虑 的可估函数 =x 就足够了，因为 的任意可估函数都可以通过 7 的线性组合来表示．易知， 的可估函数 和误差方差 的Ls估计分别为 ^L= =x(x )一X】／=x(x )+ Y= Z= 本文 2012年 10月 30日收到．2013年 1月 7日收到修改稿 国家自然科学基金 11271347)资助项 目． 十通讯作者． 866 应 用 数 学 学 报 37卷 这里利用 x(x )一X 与广义逆 ( )～的选择无关，故可将 ( )一用 (X )+代 替，其中 =( )+ Px=x(x )+ 为正交投影阵． 由 (1．2)给出的7和仃 的Ls估计具有一些 良好性质：^L Ⅳm( ，仃。Px)，(m一 8) ／ x2一，乱 与磋相互独立，并可证明乱 和磋 分别为，y和盯的一致最小方 差无偏估计 (UMVUE)．这些性质奠定了Ls估计的重要地位．但在处理包含大量 自变量 的回归问题时，设计阵x常常接近病态 (即自变量之间存在线性关系)，其性质较差．近 几十年来，众多统计学者致力于改进Ls估计，提出了一些新的估计，其中最重要的一 类是有偏估计类，如岭估计、广义岭估计、主成分估计、特征根估计和Stein压缩估计 等． 改进Ls估计的另一种途径是引入 Bayes方法 即将参数的先验信息添加到估计 问题中去，从而提高参数估计的效果．关于线性模型中参数的Bayes估计问题，Box 和TiaoI。】假定模型 (1．1)中 和仃。皆服从无信息先验时，导出了 和 盯。的Bayes估 计；王松桂 f。]假定 和 。服从正态一逆 Gamma先验分布时，导出了 的Bayes估 计 (但未给出盯。的Bayes估计)；Broemeling[】假定模型 (1．1)中回归系数 和精度系数 = 1／ 具有正态一Gamma先验时，导出了 和 丁的Bayes估计，但他们都未研究这 些Bayes估计的小样本性质；最近陈和韦 5【J在模型 (1．1)中设计阵为列满秩情形下，获 得了 和 盯 同时的Bayes估计并研究了它们的小样本性质．本文的目的是推广 f51的 结果，考虑当模型 (1．1)中设计阵为非列满秩时，导出回归系数的可估函数和误差方差 同时的Bayes估计的表达式，并研究其小样本性质．模型 (1．1)中设计阵x为非列满秩 的情形