Optimal shrinkage estimation in heteroscedastic hierarchical linear models
Optimal shrinkage estimation in heteroscedastic hierarchical linear models
复制标题
异方差分层线性模型中的最优收缩估计
DOI：
--
复制
发表时间：
2015
期刊：
影响因子：
--
通讯作者：
Justin Yang
中科院分区：
文献类型：
--
作者：
S. Kou;Justin Yang
收缩估计量在统计学和科学与工程应用中有着深远的影响。在这篇文章中，我们考虑在线性预测的存在下的收缩估计。我们制定了两个异方差分层回归模型，并研究在每个模型中的最优收缩估计。一类收缩估计，参数和半参数，无偏风险估计（URE）的基础上提出的，并被证明是（渐近）最优均方误差损失下的每个模型。仿真研究进行了比较所提出的方法与现有的收缩估计的性能。我们也将该方法应用于真实的数据，并获得令人鼓舞的和有趣的结果。
Shrinkage estimators have profound impacts in statistics and in scientific and engineering applications. In this article, we consider shrinkage estimation in the presence of linear predictors. We formulate two heteroscedastic hierarchical regression models and study optimal shrinkage estimators in each model. A class of shrinkage estimators, both parametric and semiparametric, based on unbiased risk estimate (URE) is proposed and is shown to be (asymptotically) optimal under mean squared error loss in each model. Simulation study is conducted to compare the performance of the proposed methods with existing shrinkage estimators. We also apply the method to real data and obtain encouraging and interesting results.
二次方差分布族中均值参数的最优收缩估计。
影响因子：
4.5
作者：
Xie,Xianchao;Kou,SC;Brown,Lawrence
通讯作者：
Brown,Lawrence