多元广义岭估计及K值选取的Q(C)准则

本文采用广义岭估计β~*(K)来估计多元线性模型中的回归系数β=Vec(B),通过K值的选取,可使均方误差MSE小于LS估计的MSE。分析了广义岭估计中根据MSE准则选取K值存在的主要缺陷,从理论上证明了选取K值的新准则——Q(C)准则的优良性,并给出了实际应用Q(C)准则的方法。

生长曲线模型广义岭估计及其值的选取

对于一般的生长曲线模型Y=ABC+ε,其中Vec(ε)具有0期望向量和协方差矩阵V W,当设计矩阵具有复共线性关系时考虑了参数矩阵B的岭估计问题。根据实际背景假设误差阵的协方差阵可未知,此时用传统的典则化方法很难处理在参数估计过程中出现的问题。采用奇异值分解,得出了广义岭估计类F的相关性质,并用极小化均方误差的无偏估计法、Hemmerle-Brantle估计法,以及Q(c)准则讨论了岭参数阵K的选取。

多元广义压缩最小二乘估计

引进了多元线性模型中回归系数β＝Ｖｅｃ（Ｂ）的广义压缩最小二乘估计β（Ａ），讨论了它的约方误差与均方残差的性质，指出了根据均方误差准则选取Ａ值的主要缺陷，采用了一种选取Ａ值的新准则Ｑ（ｃ），它包含均方误差准则和最小二乘准则作为特例，并从理论上证明了Ｑ（ｃ）准则的优良性．