×
新罕布什尔州贾达夫。

多重共线性下的线性岭logistic估计。 （英语） Zbl 1482.62014年

计算。斯达。 35，第2期，667-687（2020年）.
摘要：Logistic回归是一种非常流行的建模二分数据的方法。当协变量之间存在多重共线性时，logistic回归未知回归参数的最大似然估计（MLE）不太准确。众所周知，多重共线性的存在会增加MLE的方差。为了减小多重共线性导致的MLE的膨胀均方误差，我们提出了一种新的线性岭logistic估计。从理论上推导了该估计量相对于其他现有估计量的条件优越性，并提出了收缩参数的最佳选择。通过蒙特卡罗仿真研究了该估计器在MSE意义下的性能。同时，给出了一个数值例子来支持这一结果。

引用于2文件

MSC公司：

2008年6月62日 统计问题的计算方法
62J07型 山脊回归；收缩估计器（拉索）
62J12型 广义线性模型（逻辑模型）

关键词：

线性岭回归估计;逻辑回归;MSE公司;多重共线性;岭logistic估计
PDF格式BibTeX公司 XML格式引用
\textit{N.H.Jadhav}，计算。Stat.35，No.2，667--687（2020；Zbl 1482.62014）
全文： 内政部

参考文献：

[1] 高，F。；Liu，XQ，线性回归模型中均方误差准则下的线性岭回归估计量，Commun Stat Simul Compute，40，1434-1443（2011）·Zbl 1227.62048号 ·doi:10.1080/03610918.2011.575506
[2] 德国之声霍斯默；Lemeshow，S.，《应用逻辑回归》（1989），纽约：威利，纽约
[3] 伊南，D。；Erdogam，BE，Liu-type logistic estimator，Commun Stat Simul Compute，42，7，1578-11586（2013）·Zbl 1295.62071号 ·doi:10.1080/03610918.2012.667480
[4] Kibria，BMG公司；曼森，K。；Shukur，G.，一些logistic岭回归估计的性能，《计算经济学》，40，4，401-414（2012）·doi:10.1007/s10614-011-9275-x
[5] 勒塞西，S。；Van Houwelingen，JC，逻辑回归中的岭估计，J R Stat Soc Ser C Appl Stat，41，191-201（1992）·Zbl 0825.62593号
[6] 李，AH；Silvapulle，MJ，逻辑回归中的岭估计，《公共统计模拟计算》，17，4，1231-1257（1988）·Zbl 0695.62173号 ·doi:10.1080/03610918808812723
[7] Lesaffre，E。；马克思，BD，广义线性回归中的共线性，公共统计理论方法，22，7，1933-1952（1993）·Zbl 0785.62076号 ·doi:10.1080/03610929308831126
[8] 刘克杰，线性回归中一类新的有偏估计，公共统计理论方法，22393-402（1993）·Zbl 0784.62065号 ·doi:10.1080/03610929308831027
[9] 刘，XQ；Gao，F.，线性回归中的线性岭回归估计，公共统计理论方法，40，12，2182-2192（2011）·Zbl 1277.62173号 ·网址：10.1080/03610921003746693
[10] 曼森，K。；Shukur，G.，逻辑回归中的岭参数，公共统计理论方法，40，18，3366-3381（2011）·Zbl 1225.62098号 ·doi:10.1080/03610926.2010.500111
[11] Mansson K，Kibria BMG，Shukur G（2011）关于logit回归模型的Liu估计量。瑞典皇家科技研究院科学与创新研究卓越中心（CESIS）第259号论文
[12] 谢弗，RL；罗伊，LD；Wolfe，WA，岭logistic估计量，公共统计理论方法，13，1，99-113（1984）·doi:10.1080/03610928408828664
[13] Schaeffer，RL，数据共线时逻辑回归中的替代估计，J Stat Comput Simul，25，75-91（1986）·兹比尔0596.62060 ·doi:10.1080/0949658608810925
[14] 路易斯安那州韦斯菲尔德；Sereika，SM，广义线性模型的多重共线性诊断，公共统计理论方法，20，4，1183-1198（1991）·doi:10.1080/03610929108830558
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。