学位论文 > 优秀研究生学位论文题录展示

有偏估计若干问题的研究

作　者: 唐小燕
导　师: 徐文科
学　校: 东北林业大学
专　业: 应用数学
关键词: 有偏估计岭估计 Moore-Penrose逆
分类号: O212.1
类　型: 硕士论文
年　份: 2010年
下　载: 78次
引　用: 1次
阅　读: 论文下载

内容摘要

线性模型是统计学中最常用的模型之一,它包括线性回归模型、方差分析模型、协方差分析模型和方差分量模型等。在实际问题中,尤其是在解决含有较多自变量的大型回归问题时,设计矩阵不可避免的存在复共线性,这时使用最小二乘估计去估计回归系数,可能会使得回归系数估计值的符号与问题的实际意义相违背或是回归系数的估计值的绝对值异常大。为了解决复共线性问题,统计学家们提出了有偏估计。有偏估计是牺牲估计无偏性来换取方差的减小。在均方误差意义下,有偏估计可以改良最小二乘估计。本文在以前统计学者们的成果上,对有偏估计进行进一步研究,阐述了解决多重共线性问题的三种方法：Stein压缩估计、岭回归方法和主成分回归方法,对这三种方法进行了综述,对它们的性质进行了归纳和总结,并对有偏估计中使用最为广泛的岭估计进行了改进,证明其在均方误差意义下较最小二乘估计具有的优越性。本文使用奇异值分解定理和Schur分解定理将现有最新成果线性模型中假设设计矩阵列满秩、异方差、序列相关的假设条件,推广到设计矩阵非满秩、异方差、序列相关的情形,定义了一般线性回归模型的Moore-Penrose逆阵岭估计和广义线性回归模型的Moore-Penrose逆阵岭估计,研究并证明了这两种估计的性质,得出这两种估计都是最小二乘估计的线性变换,都是有偏估计和压缩估计,在均方误差意义下,这两种估计都优于相应的最小二乘估计。

全文目录

摘要  4-5
Abstract  5-7
1 绪论  7-13
  1.1 有偏估计的发展现状  7-11
  1.2 本文的研究目的和内容  11-13
2 矩阵论相关知识  13-17
  2.1 矩阵的对角化  13
  2.2 广义逆矩阵  13-14
  2.3 幂等阵和投影阵  14-15
  2.4 特征根及特征向量  15-16
  2.5 矩阵微分  16
  2.6 本章小结  16-17
3 有偏估计的主要类型  17-23
  3.1 有偏估计常用主要类型简介  17-19
    3.1.1 Stein压缩估计  17-18
    3.1.2 主成分估计  18-19
  3.2 岭估计和广义岭估计  19-22
    3.2.1 岭估计  19-21
    3.2.2 广义岭估计  21-22
  3.3 本章小结  22-23
4 Moore-Penrose逆阵岭估计  23-34
  4.1 一般线性回归模型的Moore-Penrose逆阵岭估计  23-28
  4.2 广义线性回归模型的Moore-Penrose逆阵岭估计  28-33
  4.3 本章小结  33-34
结论  34-35
参考文献  35-38
攻读学位期间发表的学术论文  38-39
致谢  39-40

相似论文

关于岭估计的若干问题研究,O212.1
双目立体工业摄影测量关键技术研究与应用,TP391.41
机载GPS测量数据处理质量控制方法研究,P228.4
基于广域信息的电力系统谐波状态估计的研究,TM711
WSN节点定位中不适定问题的研究,TN929.5
线性混合模型中的参数估计,O212.1
线性混合模型参数的谱分解Liu估计,O212.1
工业数据挖掘中有偏估计问题及解决方案研究,TP311.13
补偿型变压器电流差动保护方法研究,TM407
半环上矩阵的广义逆,O151.21
相关异方差线性模型的刀切广义岭估计,O212.1
有理函数逼近及其在几何纠正中的应用,O174.41
统计学中的一些矩阵理论及其相关应用,O151.21
含缺失数据的约束线性模型回归系数的有偏估计,O212.1
块循环矩阵和块k-循环矩阵的Moore-Penrose逆和带w权的Drazin逆研究,O151.21
线性回归模型中的一类新压缩估计,O212.1
线性模型参数估计的Pitman优良性,O212.1
广义逆矩阵计算及在矩阵方程中应用的研究,O151.21
带约束线性模型岭估计的影响分析,O212.1
缺失数据下线性模型回归系数岭估计的大样本性质,O212.1