左衛(wèi)兵， 康萃雯

(華北水利水電大學 數(shù)學與信息科學學院，河南 鄭州 450046)

線性模型中的加權(quán)混合幾乎無偏兩參數(shù)估計

左衛(wèi)兵， 康萃雯

(華北水利水電大學 數(shù)學與信息科學學院，河南 鄭州 450046)

主要討論了隨機約束線性模型的有偏估計問題,提出了一種新的加權(quán)混合幾乎無偏兩參數(shù)估計.證明了加權(quán)混合幾乎無偏兩參數(shù)估計在二次偏差的準則下優(yōu)于加權(quán)混合兩參數(shù)估計,并給出了在均方誤差矩陣準則下新估計優(yōu)于其他相關(guān)估計的充要條件.

加權(quán)混合兩參數(shù)估計；加權(quán)混合幾乎無偏兩參數(shù)估計；二次偏差；均方誤差矩陣

0 引言

考慮含隨機約束線性模型

(1)

其中y是n維觀測向量,X為n×p的列滿秩設(shè)計陣,β是p維未知參數(shù)向量,ε是n維誤差向量,且E(ε)=0,E(εεT)=σ2I,I是n階單位矩陣.H為r×p行滿秩矩陣,e為隨機擾動項且E(e)=0,Cov(e)=σ2W,W為已知正定陣.

模型(1)的研究起源于文獻[1]提出的普通混合估計,當先驗信息和樣本信息重要性不一致時,文獻[2]提出了加權(quán)混合估計.但當模型存在多重共線性時,混合估計存在明顯不足.因此,目前諸多學者通過把不同估計結(jié)合起來探討新的估計,這些估計比原估計更優(yōu).文獻[3-4]將混合估計分別與Liu估計和嶺估計結(jié)合,提出了隨機約束Liu估計和隨機約束嶺估計,文獻[5-6]將加權(quán)混合估計分別與Liu和幾乎無偏嶺估計結(jié)合,得到了加權(quán)混合Liu和加權(quán)混合幾乎無偏嶺估計,文獻[7]在文獻[8]的基礎(chǔ)上將兩參數(shù)估計算子作用于混合估計,提出了隨機約束兩參數(shù)估計.本文通過將幾乎無偏兩參數(shù)估計引入到加權(quán)混合估計中,提出了加權(quán)混合幾乎無偏兩參數(shù)估計,并在均方誤差矩陣準則下與現(xiàn)有的加權(quán)混合估計等進行優(yōu)良性比較.

1 新估計的提出

對于模型(1),文獻[2]提出了加權(quán)混合估計,其定義為

(2)

其中S=X′X,ω(0<ω<1)為常數(shù)權(quán)重系數(shù).對于不帶約束的線性模型,文獻[9]通過組合嶺估計和Liu估計提出了一種新的兩參數(shù)估計，

(3)

(4)

其中可定義Skd為幾乎無偏兩參數(shù)估計算子.

對于帶隨機約束的線性模型,本文將定義的新的兩參數(shù)估計算子和幾乎無偏兩參數(shù)估計算子分別作用于加權(quán)混合估計,提出了如下的加權(quán)混合兩參數(shù)估計和加權(quán)混合幾乎無偏兩參數(shù)估計，

(5)

(6)

(7)

(8)

(9)

2 偏差比較

(10)

(11)

βT[(TkFd-I)T(TkFd-I)-(Skd-I)T(Skd-I)]β.

(12)

由上述定理知,加權(quán)混合幾乎無偏兩參數(shù)估計是對加權(quán)混合兩參數(shù)估計的偏差進行矯正的估計.

3 均方誤差矩陣比較

為了進一步考慮在偏差和方差共同作用下新估計的優(yōu)良性,我們利用均方誤差矩陣準則MSEM,將其與相關(guān)估計進行比較.記A=(S+ωHTW-1H)-1,

(13)

(14)

(15)

(16)

其中b1=[(2I-Tk)Tk-I]β=-(Tk-I)2β,b2=[(2I-TkFd)TkFd-I]β=-(TkFd-I)2β,b3=b2.

證明 由式(13)和式(16)可得

證明 由式(14)和式(16)可得

4 數(shù)據(jù)模擬

為了說明上述估計的性質(zhì),這一節(jié)我們用具體的數(shù)據(jù)來分析.本文進行如下數(shù)據(jù)模擬,數(shù)據(jù)來源于文獻[14],數(shù)據(jù)如下：

表和的均方誤差 (ω=0.2)

表和的均方誤差 (ω=0.4)

表和的均方誤差 (ω=0.7)

5 結(jié)論

本文針對帶有隨機約束線性模型的參數(shù)估計問題,在加權(quán)混合估計和幾乎無偏兩參數(shù)估計的基礎(chǔ)上,提出了加權(quán)混合幾乎無偏兩參數(shù)估計,并在二次偏差和均方誤差矩陣準則下,對新估計和相關(guān)估計進行了比較分析,結(jié)果表明加權(quán)混合幾乎無偏兩參數(shù)估計在二次偏差準則下一致優(yōu)于加權(quán)混合兩參數(shù)估計,而在均方誤差矩陣準則下分別優(yōu)于加權(quán)混合估計,加權(quán)混合幾乎無偏嶺估計,幾乎無偏兩參數(shù)估計的充要條件,最后通過數(shù)據(jù)模擬計算驗證了我們的結(jié)論.

[1] THEIL H. On the use of incomplete prior information in regression analysis[J]. Journal of the American Statistical Association, 1963, 58(302):401-414.

[2] TRENKLER G, TOUTENBURG H. Mean squared error matrix comparisons between biased estimators： An overview of recent results[J]. Statistical Papers, 1990, 31(1):165-179.

[3] HUBERT M H, WIJEKOON P. Improvement of the Liu estimator in linear regression model[J]. Statistical Papers, 2006, 47(3):471-479.

[4] LI Y, YANG H. A new stochastic mixed ridge estimator in linear regression model[J]. Statistical Papers, 2010, 51(2):315-323.

[5] 楊虎, 殷藝蕓. 線性模型中一種新的隨機加權(quán)混合Liu估計[C]// 中國現(xiàn)場統(tǒng)計研究會第十五屆學術(shù)年會, 2012: 253-256.

[6] 劉朝林, 榮騰中, 趙菲,等. 一種基于隨機約束線性模型的參數(shù)有偏估計[J]. 統(tǒng)計與決策, 2014(13): 75-77.

[7] YANG HU, WU JIBO. A stochastic restrictedk-dclass estimator [J]. Statistics A Journal of Theoretical & Applied Statistics, 2012, 46(6):1-8.

[8] OZKALE M, KACIRANLAR S. The restricted and unrestricted two-parameter estimators[J]. Communication in Statistics Theory and Methods, 2007, 36(15):2707-2725.

[9] YANG HU, CHANG XINFENG. A new two-parameter estimator in linear regression [J]. Communication in Statistics Theory and Methods, 2010, 39(6):923-934.

[10]常新鋒, 晉守博. 線性模型參數(shù)的幾乎無偏兩參數(shù)估計 [J]. 統(tǒng)計與決策, 2014(16):25-27.

[11]RAO C R, DR SHALABH, TOUTENBURG H, et al. Linear models and generalizations, least squares and alternatives[J]. 3rd Ed. Advances in Statistical Analysis, 2009, 93(1):121-122.

[12]FAREBROTHER R W. Further results on the mean square error of ridge regression [J]. Journal of the Royal Statistical Society, 1976, 38(3):248-250.

[13]TRENKLER G, TOUTENBURG H. Mean squared error matrix comparisons between biased estimators： An overview of recent results [J]. Statistical Papers, 1990, 31(1):165-179.

[14]AKDENIZ F, EROL H. Mean squared error matrix comparisons of some biased estimator in linear regression [J]. Communications in Statistics Theory and Methods, 2003, 32(12): 2389-2413.

Weighted Mixed almost Unbiased Two Parameter Estimator in Linear Regression Model

ZUO Weibing, KANG Cuiwen

(CollegeofMathematicsandInformationScience，NorthChinaUniversityofWaterResourcesandElectricPower，Zhengzhou450046，China)

Some biased estimators of random restricted linear regression model were discussed and a new weighted mixed almost unbiased two parameter estimator was proposed. Furthermore, proved that the new estimator performed better than weighted mixed two parameter estimator under the rule of quadratic deviation. Under the mean square error matrix criterion, the necessary and sufficient conditions for the new estimator to be superior to other estimators were given out.

weighted mixed two parameter estimator; weighted mixed almost unbiased two parameter estimator; quadratic deviation; mean square error matrix

2016-10-26

河南省基礎(chǔ)與前沿技術(shù)研究項目(142300410401)

左衛(wèi)兵(1976—)，男，河南內(nèi)黃人，華北水利水電大學數(shù)學與信息科學學院教授，主要研究方向：數(shù)理統(tǒng)計.

10.3969/j.issn.1007-0834.2017.01.001

O212.1

A

1007-0834(2017)01-0001-05