狭义岭型主成分估计及其优良性.pdf

jb塞童通太堂亟±堂僮论塞—————』也堑直蔓 中文摘要 摘要：参数估计是数理统计中广泛研究的课题。参数估计中最常用的估计是 最小二乘估计，自上世纪初Gauss创立最小二乘法以来，最小二乘估计一直被广 泛应用。然而，当自变量增多，且变量间存在复共线性问题时，最小二乘估计表 现出相当不稳定，为此，统计学家对它做了很多改进工作。近五十年来，统计学 家提出了各种改进最小二乘估计(LSE)的方法，比较常见的是有偏估计类，如： 复共线性问题时，在均方误差的意义下，它们均优于最小二乘估计。本文将研究 本文首先概述了参数估计的基本研究状况。第二章介绍了文中涉及到的基础 知识，包括矩阵、线性模型及有偏估计等基本概念。第三章研究了Gauss．Markov 模型下的广义岭型主成分估计，给出了广义岭型主成分估计的一些基本性质。第 四章讨论了广义岭型主成分估计在平衡损失函数(BLF)下的可容许性。第五章 讨论了广义岭型主成分估计在平衡损失函数下的优良性，分别得到了它优于最小 二乘估计、主成分估计和岭估计等三个定理，并给出了结论的详细证明过程，最 后通过对Webster—Gunst—Mason数据的分析对所得结论进行了验证。 关键词：线性回归模型；广义岭型主成分估计；可容许性；平衡损失函数 分类号：0212．4 jE立交通盘堂亟±堂僮途塞 △垦S!丛盟 ABSTRACT in estimationisthe ofextensiveresearch ABSTRACT：The subject parameter statistics．Themost usedestimateistheleast estimate． mathematical commonly square thelast theleast SinceGaussraisedtheleast methodinthe of centurN square beginning increaseand estimatehasbeen whenvariables used．HoweveL square widely showconsiderable least estimate this， exists，thesquare instability．For multi．collinearity the alotof work．In thestatisticianshavedone fiftyyears， improvement past mostcommononeisunbiased have