平衡损失下回归系数的最优线性无偏估计.pdfVIP

第26卷第 1期 大 学 数 学 Vo1．26，№．1 2010年 2月 C0LLEGE MATHEMATICS Feb．2O1O 平衡损失下回归系数的最优线性无偏估计 朱 辉， 饶智勇， 胡桂开 (东华理工大学 数学与信息科学学院，抚州 344000) [摘 要]在平衡损失函数下得到了回归系数的最优线性无偏估计 ，结果表明平衡损失下的最优线性无 偏估计就是线性模型中回归系数的最小二乘估计． [关键词]回归系数；平衡损失函数；最优线性无偏估计 [中图分类号]O212．4 [文献标识码]A [文章编号]1672—1454(2010)01—0096—04 1 引 言 设有线性模型 yE{【(8)一0，’E(Es)一，， 其中y为 维观察向量， 为 ，zx 阶列满秩矩阵，为 x 阶矩阵，∈R 和 O为未知参数． 对于回归系数 ，人们从拟合优度角度出发得到了最小二乘估计 ，基于统计判决理论得到了二次损失 函数下线性估计类 中的可容许估计．而ZellnerE将这两种标准综合 ，提出了一个新 的称之为平衡损失 函数的标准 w (Y--Xd) (Y--Xd)+ (1--w)d--,8)S(d一 )， (1．2) 其中0≤硼≤1，S为已知的正定矩阵．回归系数 卢作为模型中的参数，我们在对它进行研究时，不仅要估 计得准确，而且得到的估计应使模型拟合得好．(1．2)式既考虑了估计的精度，又考虑了模型拟合的优 良 程度 ，所 以它是一个更全面和合理的标准，采用损失函数 (1．2)式 ，研究一些特定估计的风险已有一些结 果，如 Wan[2研究参数受不等式约束下的最小二乘估计和其它相关风险的比较 ；徐兴忠 。研究了回归 系数线性可容许估计；胡桂开Ⅲ研究了回归系数 Stein压缩估计的性质．本文研究回归系数 的最优线性 无偏估计． 2 =J 时模型 (1．1)中回归系数 的最优线性无偏估计 现在 ，我们取 {LY：L是户× 阶常数矩阵，LX=Ip)作为 的估计类 ，在损失函数 (1．2)下 ，研 究 LY在 中的最优线性无偏估计．记号R(F，。；L)，tr(·)，(·)～，f·f，Rank(·)和 (·)分别表示 LY的风险，矩阵的迹，逆矩阵，矩阵的行列式，矩阵的秩和转置矩阵． 定义2．1 若 LY在卢的估计类 中使风险 R(，。；L)一EEw(Y--XLY)(y—xLy)-4-(1一叫)(LY--p)S(LY--IJ)] 达到最小，则称 Ly为 的最优线性无偏估计． 引理2．1Es 设x为 × 阶矩阵，L是 × 阶矩阵 ，则—8t—rL~XtXL — ：2X*XL ． [收稿 日期]2007—06—20； [修改 日期]2008—01—23 [基金项 目]东华理工大学校长基金(DHXK0912) 第 1期 朱辉 ，等 ：平衡损失下 回归系数 的最优线性无偏估计 97 定理2．1 对于模型(1．1)，若 L一(x ) x ，则 LY为 的最优线性无偏估计． 证 设Ly∈L，则在损失函数 (1．2)下 ，它的风险为 R(， ；L)一E[w(Y--XLY)(Y--XLY)+(1一 )(LY--p)S(LY--p)] 一 [-wtr(1一XL)(J一XL)+(1一叫)trSLL] + x (J一xL)(J一xL) +(1-w)ff(LX--Ip)S(LX--Ip)lJ． 利用 LX=J，tr(AB)一tr(BA)得到 R(，。，L)一叫