线性回归模型的广义刀切最小二乘估计
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
=
(
) X Oo X' ( 中 D。 X ) Y= y, 其 = . () 2
模型 () 1 的一个 自然推 广形 式 为 : Y= + E( )=0 C v 口 O V , P , o ( )=t "
此 时 未知参 数 向量 的广 义 最小 二乘 估计 为 : ( VI ) 1 V 1 Ⅲ
1
2 。
●
1
:
I一1 t
l 一
:
●
●
:
n 一2
∞
1
显然 , ( )= , E p’ 协方 差 阵和 均方 误差分 别 为
c( ={ _( ) 。 。 v 2o+ ( ) D l ・ 一 一
MS ( )= ro ( ) Ef l t vp C
张 捷
( 北 师 范学 院 数 学 与统计 学院 , 湖 湖北 黄石 4 50 ) 3 02
摘要 : 在误差 为相依 的情况 下 , 讨论 了线性 回归模型的刀切最 小二 乘估计与 广 义刀切 最 小二 乘估计 。在 均
方 误 差 意 义 上 , 义 刀 切 最 小二 乘 估 计 优 于 刀 切 最 小二 乘 估 计 , 利 用 算 倒 进 行 了验 证 。 广 并 关键词 : 线性 回 归 模 型 ; 自回 归模 型 ; 义 刀切 最 小 二 乘 估 计 ; 广 刀切 最 小 二 乘 估 计
其 中 Y=( 一, 为观 测 向量 , =( 一, 未 知参 数 向量 , :( 一, ) 差 向量 , = Y Y) 卢 J B 卢 )为 e e 误 X ( 一, )为设 计 矩 阵 。容易 得 到未 知参 数 向量 的最小 二乘 估 计 为 :
^
P = +( 卢 凡一1 n ) 一Do一 ∑( W 一XRi 1~ ) i *
其 中 D = V~X, D =∑( 一 ) XX' k:12 , = Dg~X i , , ) 1 ~  ̄j ( ,)W ( =1 … n
1
n一 1
n一 2
足
—x p =( -X 1 Do一 ) V= y,
第3 1卷 第1 期
湖北师范学 院学报 ( 自然科学版 )
Junl f u e N r l nvrt N trl c n e ora o b i oma U ie i H s y( aua Si c ) e
Vo. 131 No 1, 01 . 2 1
线 性 回归模 型 的广 义 刀 切 最 小 二 乘 估 计 冰
作者简介: 张捷( 9 7 18~
)女 , , 湖北大 冶人 , 士生 , 硕 主要研究方向为回归模型的估计估计 及其应 用
・
69 ・
对于线性 回归模型( ) 若删去第 i 1, 组观测值 ( = , ,) 由最小二乘估计得: i 1… n 则
一 = 一 一
其 中剩余 向量 R= Xp=( — DoX ) y- I X ,
=
矩阵 可 以根据 实 际情 况 而定 。例 如 : 误 差服 从 一 阶 自回归模 型 ( 记 为 A 1 )则 取 I 若 简 R( ) , l J
1 1
: 一
●
一
1
n 一2
1一
:
n一1
:
-
●
:
n一 2
1
在一般情况下 , 对于最,7 乘估计和广义最小二乘估计 , '2 b 它们都是无偏估计 , 但是广义最/ _ 乘 j-  ̄二 估 计 的方差 、 均方 误 差都 是 小 于最 小二 乘估 计 的 , 因此我 们 可得 广 义最 ,z 乘 估计 是 优 于最 小 二乘 估 , 2 b 计 的.由于刀切估计可有效降低有偏性等优 良性质 , 因此很多的学者对它进行 一 系列的研究… 刊 。
) 一 )
2 主 要 结 果
定理 1 对 于任意 P×1已知 向量 C, ' 为 c c p ' p的唯一最 小 方差无 偏 估计.
证明 设 b 是 c 的任意一个线性无偏估计 , ' y ' p 则有 c E 6 = ' p= ( ) xp, 此式对一切 P× 向量 都 1 成立 , 以有 所
本 文利 用刀 切方 法研 究一 类 相依 线 性 回归模 型 , 通过 研 究 广 义刀 切 最 小 二 乘 估 计 和 刀 切 最小 二 乘 估 计 的均 值 、 方误 差 , 到前 者 优于后 者 , 给 出一个 例 子加 以说 明. 均 得 并
1 刀切 估 计
收 稿 日期 :0 1 1 — 1 2 1— 1 O
XJ . D
若记 P n 一( p n一1P一=B+( ) J n一1DoX 1一 ( =1 … ,)则 得 到刀 切最 小二乘估 ) R( W) i , 1 , 7 ,
计 为 P=n ∑P = +( i n一1 n ) Do ∑( ) Rf 1一 ~Xi
对 于刀切最 小二 乘估 计 , 由于 E( e )=0, 以显然 有 E( 所 P)= , 即它 是无 偏估 计. 方差 阵为 协
c( = + )D( 一DDD} o )盯 ( ‘ oD Do o v ・ 1 1 )
其 中 Dt =∑( 1一w) xx' k 0,,). 均方误 差为 i 一 j j = 12 而 ( MS p)=ro( I l - 『 =t o ( E( t vp)- C "『 Ep p J r vp) C 同理 , 义 刀切最 小 二乘 估计 为 广
中图分类号 : 2 2 1 0 1 .
文献标 识码 : A
文章编号 :0 92 1 ( 0 1 0 - 0 9 0 10 -74 2 1 ) 1 0 6 — 4
百度文库
0‘引 言
对 于如下 线性 回归模 型 Y= +e E( , )= C v 口 , 0, o ( )= () 1
(
) X Oo X' ( 中 D。 X ) Y= y, 其 = . () 2
模型 () 1 的一个 自然推 广形 式 为 : Y= + E( )=0 C v 口 O V , P , o ( )=t "
此 时 未知参 数 向量 的广 义 最小 二乘 估计 为 : ( VI ) 1 V 1 Ⅲ
1
2 。
●
1
:
I一1 t
l 一
:
●
●
:
n 一2
∞
1
显然 , ( )= , E p’ 协方 差 阵和 均方 误差分 别 为
c( ={ _( ) 。 。 v 2o+ ( ) D l ・ 一 一
MS ( )= ro ( ) Ef l t vp C
张 捷
( 北 师 范学 院 数 学 与统计 学院 , 湖 湖北 黄石 4 50 ) 3 02
摘要 : 在误差 为相依 的情况 下 , 讨论 了线性 回归模型的刀切最 小二 乘估计与 广 义刀切 最 小二 乘估计 。在 均
方 误 差 意 义 上 , 义 刀 切 最 小二 乘 估 计 优 于 刀 切 最 小二 乘 估 计 , 利 用 算 倒 进 行 了验 证 。 广 并 关键词 : 线性 回 归 模 型 ; 自回 归模 型 ; 义 刀切 最 小 二 乘 估 计 ; 广 刀切 最 小 二 乘 估 计
其 中 Y=( 一, 为观 测 向量 , =( 一, 未 知参 数 向量 , :( 一, ) 差 向量 , = Y Y) 卢 J B 卢 )为 e e 误 X ( 一, )为设 计 矩 阵 。容易 得 到未 知参 数 向量 的最小 二乘 估 计 为 :
^
P = +( 卢 凡一1 n ) 一Do一 ∑( W 一XRi 1~ ) i *
其 中 D = V~X, D =∑( 一 ) XX' k:12 , = Dg~X i , , ) 1 ~  ̄j ( ,)W ( =1 … n
1
n一 1
n一 2
足
—x p =( -X 1 Do一 ) V= y,
第3 1卷 第1 期
湖北师范学 院学报 ( 自然科学版 )
Junl f u e N r l nvrt N trl c n e ora o b i oma U ie i H s y( aua Si c ) e
Vo. 131 No 1, 01 . 2 1
线 性 回归模 型 的广 义 刀 切 最 小 二 乘 估 计 冰
作者简介: 张捷( 9 7 18~
)女 , , 湖北大 冶人 , 士生 , 硕 主要研究方向为回归模型的估计估计 及其应 用
・
69 ・
对于线性 回归模型( ) 若删去第 i 1, 组观测值 ( = , ,) 由最小二乘估计得: i 1… n 则
一 = 一 一
其 中剩余 向量 R= Xp=( — DoX ) y- I X ,
=
矩阵 可 以根据 实 际情 况 而定 。例 如 : 误 差服 从 一 阶 自回归模 型 ( 记 为 A 1 )则 取 I 若 简 R( ) , l J
1 1
: 一
●
一
1
n 一2
1一
:
n一1
:
-
●
:
n一 2
1
在一般情况下 , 对于最,7 乘估计和广义最小二乘估计 , '2 b 它们都是无偏估计 , 但是广义最/ _ 乘 j-  ̄二 估 计 的方差 、 均方 误 差都 是 小 于最 小二 乘估 计 的 , 因此我 们 可得 广 义最 ,z 乘 估计 是 优 于最 小 二乘 估 , 2 b 计 的.由于刀切估计可有效降低有偏性等优 良性质 , 因此很多的学者对它进行 一 系列的研究… 刊 。
) 一 )
2 主 要 结 果
定理 1 对 于任意 P×1已知 向量 C, ' 为 c c p ' p的唯一最 小 方差无 偏 估计.
证明 设 b 是 c 的任意一个线性无偏估计 , ' y ' p 则有 c E 6 = ' p= ( ) xp, 此式对一切 P× 向量 都 1 成立 , 以有 所
本 文利 用刀 切方 法研 究一 类 相依 线 性 回归模 型 , 通过 研 究 广 义刀 切 最 小 二 乘 估 计 和 刀 切 最小 二 乘 估 计 的均 值 、 方误 差 , 到前 者 优于后 者 , 给 出一个 例 子加 以说 明. 均 得 并
1 刀切 估 计
收 稿 日期 :0 1 1 — 1 2 1— 1 O
XJ . D
若记 P n 一( p n一1P一=B+( ) J n一1DoX 1一 ( =1 … ,)则 得 到刀 切最 小二乘估 ) R( W) i , 1 , 7 ,
计 为 P=n ∑P = +( i n一1 n ) Do ∑( ) Rf 1一 ~Xi
对 于刀切最 小二 乘估 计 , 由于 E( e )=0, 以显然 有 E( 所 P)= , 即它 是无 偏估 计. 方差 阵为 协
c( = + )D( 一DDD} o )盯 ( ‘ oD Do o v ・ 1 1 )
其 中 Dt =∑( 1一w) xx' k 0,,). 均方误 差为 i 一 j j = 12 而 ( MS p)=ro( I l - 『 =t o ( E( t vp)- C "『 Ep p J r vp) C 同理 , 义 刀切最 小 二乘 估计 为 广
中图分类号 : 2 2 1 0 1 .
文献标 识码 : A
文章编号 :0 92 1 ( 0 1 0 - 0 9 0 10 -74 2 1 ) 1 0 6 — 4
百度文库
0‘引 言
对 于如下 线性 回归模 型 Y= +e E( , )= C v 口 , 0, o ( )= () 1