远东理论统计杂志
第44卷,第2期,第135-144页(2013年8月)
|
|
线性模型中的收缩估计
加德班·哈拉夫
|
摘要: 众所周知,多重共线性对普通最小(OLS)估计量的一个主要影响是,估计量会产生较大的抽样方差,这反过来可能会不适当地导致从模型中排除其他重要系数。为了避免这个问题,通常建议使用两种公认的估计方法,即James-Stein方法和岭回归方法。这两种方法都确保了在存在多重共线性的情况下,估计器的均方误差(MSE)值较小。在本文中,我们提出了一种新的估计量,并且已经证明,通过回归系数估计量的MSE准则,该估计量优于James-Stein估计量和普通岭回归估计量。 |
关键词和短语: OLS估计,多重共线性,岭回归,James-Stein估计,模拟。 |
|
下载次数:253 |视图数量:687 |
|