约束最小二乘估计关于误差分布的稳健性.pdf

第 11卷第2期 西安文理学院学报：自然科学版 V01．11 No．2 2008年4月 JournalofXi’anUniversityofArtsScience(NatSciEd) Apr．2008 文章编号：1008—5564(2008)02—0059—04 约束最小二乘估计关于误差分布的稳健性 吴如光 (安徽师范大学 数学系，安徽 芜湖 241000) 摘 要：对于设计矩阵x是列降秩的且带有线性约束的线性模型，讨论了约束最小二乘估计关于 误差分布的稳健性，给出了误差分布的最大类 ，使得误差项 的分布在此范围内变动时，约束最小二乘估 计在均方误差矩阵准则下是最优估计． 关键词：约束最小二乘估计 ；均方误差矩阵；稳健性 中图分类号：O212．1 文献标识码：A 1 引言 考虑线性模型： Y：邵 +￡， ：0 (1) 其中Y为 ×1观察向量，x是 ×P的设计矩阵， (X)：r≤ P，L为q×P的矩阵，且 (L)c (x)，rk(L)= g．我们以P=L(￡)记误差项 ￡的分布，P(，)表示期望为 ，协方差为Or2 的分 布族，其中 ∈R”， 0， E ()，()表示 × 正定阵集合，()表示 × 非负定阵集合． 当x为列满秩，即 (X)：P时，Kariya和Kurata[]研究了回归系数 的最小二乘估计(LSE)的 优 良性，对Gauss—Markov定理做了推广，讨论了使得推广的Gauss—Markov定理成立的误差分布的最 大类．而刘湘蓉[]考虑了当x为列降秩，即 (X)：rP时，LSE的优 良性问题．在此基础上，本文考 虑在一类线性约束 =0下，约束 LSE的优 良性，而文献[2]的结果为本文在 L=0时的一个特例． 我们先对文中出现的一些记号作出说明：x ，A一，(x)， (x)分别表示x的转置矩阵，任一广义 逆 ，X 的列向量张成的空间和X 的秩 ．记 Px：X(Xx)一X ，表示 X 的列向量张成空间上的正交投影 阵，x上表示 x 上：0且具有最大秩的矩阵． 易知在 =0约束下，c 条件可估的充要条件是cE (X )，所以可以讨论邵 的条件估计问题 ， 而任一条件可估函数 c 都可表示成邵 的线性组合．由约束Gauss—Markov定理 3【J知：当P=L(￡)∈ P(O，，)时，硫 在所有线性条件无偏估计中使得风险矩阵R ( ， )=Ep( 一 )( 一 )在 半正定意义下最小，这里 = (，一(x )一L (L(x )一L)-1L)(x )一Xy为约束最小二乘估计． 令 D0： { I ：iF， D 。，S．t．(A—L)X =DL} (2) ． 接下来将证明：在误差项的期望为0时，D0就是x5的线性条件无偏估计类．而当 ￡的期望为 ，这 时估计类D0包含了条件无偏估计，也包括有偏估计．称 R尸(A ，x5)为x5的均方误差矩阵．在均方误 差阵最小意义下，估计的优 良性还与估计类的选择有关． 收稿 日期：2007—09—13 基金项 目：安徽省高校 自然科学研究重点项 目(KJ2007A012)． 作者简介：吴如光(1983一)，男，安徽全椒人，安徽师范大学数学系硕士研究生．研究方向：多元统计分析 西安文理学院学报 ：自然科学版 第 11卷 定义 1 给定的邵 的估计类D及误差项e的一类分布P，若 ∈D且RP( ， )≤RP(， ) 对所有 ∈D及PEP都成立，则称 的估计 是 (D，P)最优． 第二节主要讨论约束最jJ,--乘估计关于误差分布的稳健性，对于估计类 D0，给出e的最大分布类 P一 ，使得 是(