应用回归分析-第7章课后习题参考答案.docxVIP

应用回归分析-第 7 章课后习题参考答案 1. 第 7 章 岭回归 思考与练习参考答案 岭回归估计是在什么情况下提出的？ 答： 当自变量间存在复共线性时， I XX I o, 回归系数估计的方差就很大， 估计值就很不稳定， 为解决多重共线性， 并使回归得到合理的结果， 70 年代提出了岭回归(Ridge Regression，简记为RR)。 岭回归的定义及统计思想是什么？ 答：岭回归法就是以引入偏误为代价减小参数估计量的方差的一种回归方法， 其统计思想是对千 ( X X)- 1 为奇异时， 给X X 加上一个正常数矩阵 D, 那么X X+D 接近奇异的程度就会比X X 接近奇异的程度小得多， 从而完成回归。但是这样的回归必定丢失了信息， 不满足blue。但这样的代价有时是值得的， 因为这样可以获得与专业知识相一致的结果。 选择岭参数K 有哪几种方法？ 答： 最优k 是依赖 千未知参数P和矿的， 几种常见的选择方法是： ＠岭迹法： 选择ok 的点能使各岭估计基本稳定， 岭估计符号合理， 回归系数没有不合乎经济意义的绝对值，且残差平方和增大不太多； O 方差扩大因子法： c (k) =(XX + kl-) 1 X X (X 欠 ＋ kl)一l ， 其对角线元cJJ ( k) 是岭估计的方差扩大因子。要让c.b. ( k) s l O; O 残差平方和： 满足SSE(k) cS