加权回归模型中的影响度量与相关系数.pdf

加权回归模型中的影响度量与相关系数.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
加权回归模型中的影响度量与相关系数

维普资讯 1999年 3月 四川师范大学学报 (自然科学版) Mar.,1999 第 22卷 第 2期 JournalofSichuanNormalUniversity(NatunflScience) Vol22.No2 一 搬 醐 中 艟 数 (菏泽高等师范专科学校戢学系 .山东菏泽 274015) 摘要 从距离角度研究数据对加权 回归模型的影响 建立了加权 回归模型 中的 Cook 距离 .并找到 了它与相关系数 之间的联系 关键词 塑竺苎塑堡 ;最佳线性 堡笪 c。ok距离 中图法 j手— 一 线他日归 相关系数 1 引言与预备 考虑加权 回归模型 wy= w邓 +£, (£)=0, Coy(,)=0-2 . (1) 这里 Y=(Y1,Y2,…,Y)是nxl观测 向量 , =(1,2,…,‰)是n×P列满秩设计阵,是 P×l未知参数 向量 ,£是n×l随机误差 向量 ,W =diag( 1,埘2,…, ), 0(i= l,2,…, n)是常数 .显然当 W = 时,模型(1)变为线性回归模型 Y =邪 +£, (£):0, CUv(£)=-02Io. (2) 对于线性回归模型 (2),不少人研究了数据对模型的影响,如文 [1~3]但对于模型 (1),目前很 少有人研究数据对它的影响.本文用研究模型(2)的方法,从距离角度讨论数据对模型 (1)的影 响 推广了文[1]的结果,并建立了距离度量与相关系数之间的关系. 从模型 (1)可得参数 口的 LS估计 = ( w )一 w y. 它也是 的BLU(~佳线性无偏)估计.特别 W =fn时, = = ( ) Y是 由模型 (2) 得到 的LS怙计 . 当剔除模型 (1)的第 i个方程后 ,模型(1)变为 w ()y()= w(.) () + (), (())=0, Coy( “))=0-2 —1. (3) 其 中 w(),y(), ()和 ()分别表示从 W ,Y, 和 £中剔除第 i行 由此模型得到 的参数 口的 BLU估计为 )=(f)峨f】()) )嘶 )(f). 仿照文 [1]提出的Cook距离 ,我们定义 Dw(i)( ,c)= ( 一 ()) ( 一 ))/c, (4) 称 D c)( ,c)为加权 回归模型 (1)中的Cook距离 这里 M ≥0是 P×P已知矩阵,C0是 常数 . D )(M,C)从距离角度度量了第 i组数据(:,Y)的剔除对 BLU估计 的影响.当 收稿 日期 1998一l2—2L 田慷光 男 36 副教授 维普资讯 第 2期 田保光 :加权回归模型 中的影响度量与相关系数 163 D )( ,c)大时判定第 i组数据是强影响点 .为了表达方便 ,令 : wx = (” ) p= (i) P, :wY= (w )nn = ( )nxj, 这时 : (,w2x)一 1 】,= ( )一 , 声():( 】(e))一 f)(). 2 定理及证明 定理 1 D 】(^f,c): i:( )-1^f( )一 /(1一 “)c.

文档评论(0)

hhuiws1482 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:5024214302000003

1亿VIP精品文档

相关文档