| 摘 要： | 本文从统计决策角度重新认识估计问题,并由此引出容许估计的定义。对于线性模型(Y,Xβ,σ~2I),证明了在MSE准则下,可估函数Cβ的最佳线性无偏估计(BLUE)是线性估计类中的容许估计。因此,线性估计类中优于BLUE的估计不存在,或者说,优于BLUE的估计只能从非线性估计类中去寻找。目前,线性模型参数估计方法的改进;主要是基于最小二乘方(LS)的压缩估计,如James-Stein估计、岭估计、主成份估计等,本文将其统一到如下广义压缩LS估计b_(GS)(A)模式中: b_(GS)(A)=PAP’b_(LS) 其中,A=diag(a_1,…,a_P),0≤a_1≤1,i=1,…,p;P为单位正交矩阵使 P’X’XP=diag(λ_1,…,λ_P)=Λ且λ_1≥λ_2≥…≥p>0 本文还从理论上证明了对适当的对角阵A,广义压缩LS估计b_(GS)(A)具有优干LS估计的性能(MSE准则下),并导出最佳A的表达式(最佳的A与未知参数β有关)。作为实例,本文将Jame-Stein(JS)估计用于飞行试验轨道的估计,引入“累积平方误差”后,将JS估计与LS估计作了比较,表明JS估计优于LS估计。
|
