期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
一般线性模型下删除观测值的影响 被引量:2
1
作者 刘柏森 朱显海 《东北师大学报(自然科学版)》 CAS CSCD 1998年第3期36-40,共5页
在一般情形下,给出了在模M={Y,Xβ,σ2V}与删除第i个观测值后得到的模型Md={Yd,Xdβ,σ2Vd}下Xdβ的最佳线性无偏估计差的表达式.得到了二者相等的充要条件,给出了在模型Md下Xdβ的最小二乘估计是M... 在一般情形下,给出了在模M={Y,Xβ,σ2V}与删除第i个观测值后得到的模型Md={Yd,Xdβ,σ2Vd}下Xdβ的最佳线性无偏估计差的表达式.得到了二者相等的充要条件,给出了在模型Md下Xdβ的最小二乘估计是M下Xdβ的最佳线性无偏估计的充要条件,以及Md下σ2的最小范数二次无偏估计是M下σ2的最小范数二次无偏估计的充要条件. 展开更多
关键词 线性模型 广义逆 最小二乘估计 观测值 BLUE
下载PDF
删除一个观测值对估计量的影响 被引量:2
2
作者 朱显海 孔凡会 肖桂荣 《东北师大学报(自然科学版)》 CAS CSCD 1996年第3期4-7,共4页
给出在模型M={Y,Xβ,σ ̄2V}与删除第i个观测值后得到的模型Md={Yd,X_dβ,σ ̄2Vd}下β的最佳线性无偏估计差的表达式,并得到了二者相等的充要条件,还给出了在模型M_d下β的最小二乘估计是M下β的最佳... 给出在模型M={Y,Xβ,σ ̄2V}与删除第i个观测值后得到的模型Md={Yd,X_dβ,σ ̄2Vd}下β的最佳线性无偏估计差的表达式,并得到了二者相等的充要条件,还给出了在模型M_d下β的最小二乘估计是M下β的最佳线性无偏估计的充要条件. 展开更多
关键词 线性模型 最小二乘估计 观测量 估计量
下载PDF
几乎无偏刘估计的不可容许性 被引量:2
3
作者 王艳 华晶晶 《重庆工商大学学报(自然科学版)》 2015年第9期26-30,共5页
考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.
关键词 几乎无偏刘估计 最小二乘Mahalanobis损失函数 Fisherian损失函数
下载PDF
有约束的线性模型下的最小二乘估计与最佳线性无偏估计的比较 被引量:1
4
作者 汪静 孔凡惠 《暨南大学学报(自然科学与医学版)》 CAS CSCD 1999年第3期17-22,共6页
研究了无约束的线性模型M={Y,X(,(2V}的最小二估计OLSE与在相应的有约束的线性模型Mr={Y,X(|R'(=0,(2V}下X(的最佳线性无偏估计BLUE(X()的比较问题,建立了在Mr下这两个线性无偏估计量相等的充要条件.
关键词 最小二乘估计 线性无偏估计 线性回归模型
下载PDF
工具变量的一个性质
5
作者 王义闹 《温州大学学报(自然科学版)》 2020年第2期1-10,共10页
当线性回归模型中的解释变量是随机变量且与随机干扰项同期线性相关时,本文证明了,随机解释变量与工具变量的线性相关系数的平方必然小于或等于1减去随机解释变量与随机干扰项的线性相关系数的平方.这就提醒我们,当随机解释变量与随机... 当线性回归模型中的解释变量是随机变量且与随机干扰项同期线性相关时,本文证明了,随机解释变量与工具变量的线性相关系数的平方必然小于或等于1减去随机解释变量与随机干扰项的线性相关系数的平方.这就提醒我们,当随机解释变量与随机干扰项高度相关时,随机解释变量与工具变量的相关系数必然接近0,如果样本容量再不够大,工具变量法估计值将不稳定.本文所作的数值模拟结果也验证了这一推断. 展开更多
关键词 随机解释变量 最小二乘估计量 工具变量 理想工具变量 均方误差
下载PDF
More on the Preliminary Test Stochastic Restricted Liu Estimator in Linear Regression Model
6
作者 Sivarajah Arumairajan Pushpakanthie Wijekoon 《Open Journal of Statistics》 2015年第4期340-349,共10页
In this paper we compare recently developed preliminary test estimator called Preliminary Test Stochastic Restricted Liu Estimator (PTSRLE) with Ordinary Least Square Estimator (OLSE) and Mixed Estimator (ME) in the M... In this paper we compare recently developed preliminary test estimator called Preliminary Test Stochastic Restricted Liu Estimator (PTSRLE) with Ordinary Least Square Estimator (OLSE) and Mixed Estimator (ME) in the Mean Square Error Matrix (MSEM) sense for the two cases in which the stochastic restrictions are correct and not correct. Finally a numerical example and a Monte Carlo simulation study are done to illustrate the theoretical findings. 展开更多
关键词 MULTICOLLINEARITY Stochastic Restrictions ordinary least squarE estimator Mixed estimator PRELIMINARY Test estimator Mean squarE ERROR Matrix
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部