×

具有共线的回归建模框架。 (英语) Zbl 1519.62013号

摘要:本研究解决了具有共线性的OLS回归模型(\boldsymbol{y}=\boldsymbol{X\beta}+\boldsimbol{u})中标准理论和经验建模实践之间的一个基本但被忽视的差距。事实上,虽然实际中的估计模型需要在其“单个OLS估计”中具有稳定性和效率,但(黑体符号{y})本身没有能力识别和控制(黑体字符{X})中的共线性,因此,包括模型选择过程(MSP)在内的任何理论都无法填补这一空白,除非根据抽样理论进行控制。本文首先引入了“经验有效建模”(EEM)的新概念,提出了EEM方法论(EEM-M),将其作为两个MSP的集成过程,并给出了数据。第一个MSP仅使用(粗体符号{X}),称为XMSP,并预选了一类具有单独低效率控制和共线性控制OLS估计的模型,其中相应的两个控制变量是从每个估计的预测标准误差中选择的。接下来,为每个模型定义一个无效率的y共线风险指数,在模型集上引入一个偏序以进行比较,而不使用(黑体符号{y^o}),其中讨论了模型的优缺点和可接受性。第二个MSP是一个常用的MSP,它使用\((\boldsymbol{y^o},\boldsymbol{X})\),并通过AIC、BIC等评估整体模型的总体性能,以从\(D\)中选择最佳模型。第三,为了实现XMSP,提出了两种算法及其应用。

MSC公司:

62J05型 线性回归;混合模型
62J20型 诊断、线性推理和回归
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 艾特肯,L.S。;West,S.G.,《多元回归:测试和解释互动》(1996),Sage出版社
[2] Belsley,D.A.,《条件诊断、共线性和回归中的弱数据》(1991年),Jhon Wiley:Jhon Wiley纽约·Zbl 0747.62068号
[3] Chatterjee,S。;Hadi,A.S.,《通过实例进行回归分析》(2012年),Jhon Wiley:Jhon Wiley New York·Zbl 1263.62099号
[4] 德雷珀,N.R。;Smith,H.,应用回归分析(1998),John Wiley·兹伯利0158.17101
[5] 福克斯,J。;Monette,G.,《广义共线诊断》,J.Stat.Assoc.,87,417,178-183(1992)
[6] Hoerl,A。;Kennard,R.W.,《岭回归》(《统计科学百科全书》,第8卷(1988年),John Wiley&Sons:John Willey&Sons New York),129-136
[7] Jolliffe,I.T.,主成分分析(1986),Springer-Verlag:Springer-Verlag纽约·Zbl 1011.62064号
[8] Kariya,T。;Kurata,H.,广义最小二乘法(2003),约翰·威利:约翰·威利伦敦
[9] Kubokawa,T。;Srivastava,M.S.,多重共线性下的改进经验Bayes岭回归估计,Commun。统计理论方法,33,81943-1973(2004)·Zbl 1213.62015年
[10] 拉维里,R.M。;阿查里亚,P。;西沃,A.S。;Xu,L.,预测因子数和多重共线性:它们对回归中的误差和偏差有什么影响?,Commun公司。统计-模拟。计算。,48, 1, 27-38 (2019) ·Zbl 07551420号
[11] Lehmann,E.L。;Romano,J.R.,《检验统计假设》(2005),《施普林格:纽约施普林格》·2018年6月17日
[12] O'Brien,R.M.,关于方差膨胀系数经验法则的警告,Qual。数量。,41, 673-690 (2007)
[13] Saleh,A.K.Md.E.,《初步测试理论和Stein-Type估计及其应用》(2006),John Wiley&Sons·Zbl 1094.62024号
[14] Stewart,G.W.,共线性和最小二乘回归,统计学。科学。,2, 1, 68-100 (1987) ·Zbl 0643.62049号
[15] Tsao,M.,线性模型中强相关变量的可估计群效应,J.Statist。计划。推理,198,29-42(2019)·Zbl 1432.62215号
[16] 邹,H。;Hastie,T.,通过弹性网的正则化和变量选择,J.R.Stat.Soc.Seri。B统计方法。,67,2,301-320(2005),(补遗,(5)768)·Zbl 1069.62054号
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。