多因变量多元线性模型有偏预测的最优性判别

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:lawfocus
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
本文主要做了两方面的探索。一方面结合有偏估计与两步估计思想,推广到m个残差相关线性回归系统下,得到m个残差相关线性回归系统下广义岭型有偏两步估计并研究其优良性质;另一方面将线性模型的有偏预测理论推广至多因变量领域,将有偏预测的优良性和一定条件下有偏预测优于无偏预测等的充分或充要条件进行了严谨的证明和推导,得到一系列的成果,完善了该领域的理论框架。  论文第二章针对两步估计问题在设计阵成病态情形下,探讨残差变量相关的多个线性模型回归系统如何转化为一般线性模型,并结合有偏估计,得到在设计阵病态情形下,该线性模型回归系统未知参数的估计模型,即m个相关线性模型回归系统的广义岭型主成分有偏两步估计,并证明了该估计在相对效率意义下比普通两步估计、主成分两步估计、岭型主成分两步估计的效率高。  论文第三章则针对多因变量多元线性模型有偏估计的预测问题,利用矩阵不等式的一些性质,就主成分型预测与最优线性无偏预测最优性判别问题进行讨论。创新性地提出判别两个预测量最优性的一个R(i)(×)准则,并利用该准则进行主成分型预测和最优线性无偏预测之间的最优性判别,分别得到了主成分型预测在R(i)(×)准则、MDE-准则及矩阵迹RT(×)意义下优于最优线性无偏预测的充分条件。  论文第四章则在第三章基础上,就多因变量多元线性模型中就岭型主成分型预测与最优线性无偏预测、主成分型预测之间的最优性判别问题进行讨论。得到岭型主成分型预测在R(i)(×)准则下优于最优线性无偏预测和主成分型预测的两个充要条件,同时得到了其在MDE-准则和矩阵迹RT(×)意义下优于最优线性无偏预测和主成分型预测的充分条件。
其他文献
非线性科学研究的是各个自然科学领域都十分关心的问题,物理、化学、生物、工程技术,以及社会的经济问题等都存在大量的、重要的非线性问题,这些问题的研究最终可用非线性演
本文依据微分方程定性理论的相关知识,利用计算机代数系统,对几类多项式微分系统的极限环和局部临界周期分支问题进行研究.全文共由五章组成.  第一章主要介绍了多项式微分
本文首先详细介绍了公钥基础设施的组成,并指出最需要保护的部件就是其认证中心CA。然后逐步介绍了一般的公钥密码学和一些我们需要用到的特殊算法。介绍了目前门限密码学包
在现实世界中,大多数优化问题都要涉及多个目标。多目标优化是近30多年来迅速发展起来的一门新兴学科。与单目标优化不同,多个相互竞争目标的优化结果得到的是一组可行解,被