回归系数的stein型主成分估计

对于设计阵Ｘ呈病态的线性回归模型，本文提出了一种新的关于回归系数的有偏估计─ｓｔｅｉｎ型主成分估计，并在均方误差意义下，论证了在一定条件下ｓｔｅｉｎ型主成分估计优于主成分估计，因此也优于ｓｔｅｉｎ型ＯＬＳ估计与ＯＬＳ估计，最后，我们又对偏参数的存在性，最优性进行了讨论，并得出了一些重要结论．

探讨回归系数的stein型主成分估计问题

设计阵X呈病态的线性回归模型,给出一种新的关于回归系数的有偏估计,即stein型主成分估计,且对偏参数的存在性,最优性进行了一些探讨。

均方误差准则下的几乎无偏Stein岭型主成分估计的优良性

将Stein岭型主成分估计利用几乎无偏估计思想进行优化,得到几乎无偏Stein岭型主成分估计.并考虑均方误差准则,得到了几乎无偏Stein岭型主成分估计优于最小二乘估计、Stein岭型主成分估计的充分条件.并通过数值实验证明在给定k或p时,几乎无偏Stein岭型主成分估计的均方误差与Stein岭型主成分估计的均方误差较为接近,且远大于最小二乘估计的均方误差.

半相依回归系统参数的Stein型主成分改进估计

将S tein压缩思想与主成分改进估计相结合,研究两个半相依回归系统.当设计阵呈病态时,提出S tein型主成分改进估计,同时,给出当V未知时的两步估计.证明在均方误差意义下,S tein型主成分改进估计局部优于主成分改进估计和协方差改进估计.

Stein岭型主成分估计下的单个数据删除模型的研究

在Stein岭型主成分估计下对单个数据删除模型进行研究,推广有偏估计下的数据删除模型的强影响分析,讨论线性模型与数据删除模型的估计量之间的关系,并在前人基础上提出了CRi统计量、APi统计量、Di统计量新表达式,并用诊断统计量来识别强影响点,并以实例验证合理性。

Stein岭型主成分估计下多个数据删除模型的强影响分析

基于Stein岭型主成分估计下研究多个数据删除模型,探讨数据删除模型估计量的有关性质,并给出了多个数据删除模型的CRi统计量、APi统计量、Di统计量的新表达式.

协方差阵扰动对Stein岭型主成分估计的影响分析

针对线性回归模型中协方差阵扰动对Stein岭型主成分估计β(P)G的影响问题进行研究.证明了β(P)G的某种极限是数据删除模型的Stein岭型主成分估计;建立了β(P)G与G-M模型的Stein岭型主成分估计β(P)之间的关系;定义了度量扰动影响的距离测度DG,并给出了DG的多种计算式;最后通过实例验证其有效性.

半相依回归系统的Stein型广义岭型主成分改进估计

对于一类半相依回归系统,将Stein压缩思想与广义岭型主成分改进估计相结合,提出Stein型广义岭型主成分改进估计,并且讨论这种估计及其相应的两步估计的优良性质.

广义岭型主成分估计的一些性质

讨论了广义岭型主成分估计的一些性质,引入一种估计的相对效率,证明了广义岭型主成分估计比岭型主成分估计和主成分估计的效率高,并且在Pitman准则下也优于岭型主成分估计和主成分估计.

广义岭型主成分估计在降维估计类中的方差最优性质

定义了一类降维估计,称为广义岭型降维估计类.在这类降维估计中,用矩阵求特征值的方法研究了广义岭型降维估计的方差最优性质.证明了它的方差阵最小,方差阵的特征值最小.进一步导出了广义岭型主成分估计的方差和、方差阵特征值乘积及方差阵的正交不变范数最小.

基于岭型主成分估计的最优与经典预测的最优性判别

针对有偏降维估计的预测问题,以岭型主成分估计为基础,对广义线性回归模型{y=Xβ+ε,ε-N(0,σ2∑)}的最优预测量与经典预测量的最优性判别问题进行讨论。借助矩阵不等式的一些性质,给出了离差矩阵和风险函数最小的判别准则下岭型主成分估计关于两类预测量最优性判别条件,为有偏降维估计关于两类预测量的最优性判别问题提供了一种方法和思路。

均方误差下岭型主成分估计的最优性

本文研究了在均方误差意义下岭型主成分估计在岭型降维估计类中的最优性.

半相依回归系统的岭型主成分改进估计

对于一类半相依回归系统，本文提出了一种岭型主成分改进估计，并讨论了这种估计及相应的两步估计的优良性质，获得了若干深入的结果。

岭型主成分估计下数据删除模型的强影响分析

文章讨论了在岭型主成分估计下的数据删除模型,得到了该模型与最小二乘估计下模型的诊断统计量之间的等价关系,在此基础上根据W-K统计量的思想提出了两种度量方法,并通过实例论证了该方法的可行性。

增长曲线模型中回归系数的广义岭型主成分估计

针对增长曲线模型中设计阵呈病态时,提出了一种有偏估计——广义岭型主成分估计:证明了通过选择适当的参数,使得该估计在均方误差(MSE)意义下改善了最小二乘估计和主成分估计,并且进一步得到了在MSE意义下该估计是可容许估计,最后得到该估计在广义岭型降维估计类中方差和最小。

岭型主成分估计分离制导工具系统误差方法研究

针对制导工具系统误差分离中环境函数矩阵严重病态,最小二乘估计和主成分估计结果不准的问题,提出了采用岭型主成分估计改善估值结果的方法,分析了该方法的估计结果具有更小的均方误差和更高估计精度。计算机仿真结果证明,在29项制导工具系统误差分离中,岭型主成分估计能在一定程度上克服环境函数矩阵病态的影响,岭型主成分估计分别比最小二乘估计和主成分估计的估准项数多8项和2项。

半相依回归系统的广义岭型主成分改进估计

对于一类半相依回归系统提出了一种广义岭型主成分改进估计,并讨论了这种估计及相应的两步估计的优良性质,获得了若干深入的结果.

岭型主成分估计的几条最优性质

本文计论岭型主成分估计的最优性质。证明了在岭型降维估计类中，它的方差有ｎ种最小性，同时证明了在正交不变范数下了具有最小性。

岭型组合主成分估计的优良性

本文研究了岭型组合主成分估计（ＲＣＰＣＥ）的优良性，证明了在均方误差（ＭＳＥ）意义下，在参数空间的局部范围内，它优于最小二乘估计（ＬＳＥ）和岭估计（ＲＥ），并应用Ｈｅｍｍｅｒｌｅ—Ｂｒａｎｔｌｅ选择岭参数的方法给出了岭参数ｋ的选取公式．最后结合实例应用了此公式，其结果说明本文给出的确定岭参数的公式是合适的，结果令人满意．

岭型主成分估计的方差最优性质

研究岭型主成分估计在降维估计类中的方差最优性,证明了它的方差阵在降维估计类中最小,方差阵的特征值最小,方差和及方差积最小。并讨论了它的方差在正交不变范数意义下的最小性和方差的最小最大性质,得出了方差阵的行列式及正交范数在降维估计类中最小。