均方误差意义下的无偏估计与有偏估计 - 学报编辑部 - 黄山学院.pdfVIP

第11卷第5期 黄山学院学报 V01．11．N0．5 of Journal 2009年10月 HuangshanUniversity 0ctl2009 均方误差意义下的无偏估计与有偏估计 景英川1，项明寅2 (1．太原理工大学数学系，山西太原030024；2．黄山学院数学系。安徽黄山245041) 摘要：讨论均方误差意义下的无偏估计与有偏估计，得出线性模型中一些有偏估计在MSE准则下具备 比无偏估计更好的优良性。 关键词：均方误差；无偏的；参数估计 中图分类号：0212．1 文献标识码：A 偏估计类中方差最小的，有偏估计可以在均方意义 下优于最小二乘估计．使得这个估计在有偏估计类 中是关于均方误差最小。 估计量的无偏性是参数估计理论中一个重要 2．1岭估计 的概念．也是衡量估计量优劣的标准之一。但是无 对于线性模型(1)，回归系数口的岭估计定义 为： 偏估计不一定存在，且一般不唯一，也不一定比有 声(七)=(xX+盯)．1x， 偏估计更优。因此，我们给出均方误差意义下的无 这里kO是可选择参数，称为岭参数。岭估计是 偏估计与有偏估计。从直观上看。一个好的估计应 有偏估计，但是其均方误差很小，在复共线性存在 该离真值比较近，在真值的周围波动，同时一个好 的情况下．岭估计优于最小二乘估计。为证明其优 的估计应该有较小的均方误差。故此，均方误差是 良性质，引入模型(1)的典则形式： 评价一个估计优劣的较有力的标准。[11在本文中，罗 设五≥…≥屯为XT／的特征根，纺，…，％为对应 列了几种模型之下无偏估计跟有偏估计在均方误 的标准正交化特征向量。记币=慨，…，％)为pxP 差意义下的比较。 则线性回归模型可改写为： 2无偏估计与有偏估计的均方误差比较 lY2％lp+z口+￡ 、‘7 coy(E)=仃2L IE(￡)=o 考虑Gauss—Markov模型 其中常数项记为％，Z=x①，口=西’肛 IY=X8+￡ 典则回归系数的最小二乘估计西=A—z7，岭 (1) 1E(￡)二ocovp)；仃：‘ 估计为口(七)=(人+盯)_z丫．另外还有估计 其中】，；y肿l是因变量的观察值向量，x=x。 为列满秩的设计矩阵，卢=‰是未知的参数向量， 且当kl时，反是口向原点的