Biased Estimation in Regression: An Evaluation Using Mean Squared Error
回归中的有偏估计：基于均方误差的评价AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要比较一般线性回归估计量的均方误差，未给出与所列应用领域直接相关的研究对象。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
回归中的有偏估计：基于均方误差的评价
- 研究问题
- 在线性回归系数估计中，最小二乘、主成分、岭回归、潜根和收缩估计的均方误差如何随模型参数选择而变化？
- 方法与思路
- 作者以均方误差为统一比较准则，分析五类回归系数估计量，并通过包含全部五类方法的模拟比较其表现。
- 材料陈述的贡献
- 摘要称，多种有偏估计在较广参数范围内改善最小二乘的均方误差；模拟中主成分和潜根总体较好，岭估计仍有更低误差的可能。
- 阅读关注点
- 应核对各估计量的调节规则、所述参数范围及模拟设计，特别是总体表现评价与岭估计取得较低误差的具体条件。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；比较条件和数值结果未提供，所述相对表现不能外推到任意回归问题或其他版本。
原文摘要
A mean squared error criterion is used to compare five estimators of the coefficients in a linear regression model: least squares, principal components, ridge regression, latent root, and a shrunken estimator. Each of the biased estimators is shown to offer improvement in mean squared error over least squares for a wide range of choices of the parameters of the model. The results of a simulation involving all five estimators indicate that the principal components and latent root estimators perform best overall, but the ridge regression estimator has the potential of a smaller mean squared error than either of these.