Directed Ridge Regression Techniques in Cases of Multicollinearity
多重共线性情形下的定向岭回归技术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：摘要针对通用回归中的共线性与正则化，特征值调整不等同于因子模型，未对应所列细分方向。
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
多重共线性情形下的定向岭回归技术
- 研究问题
- 面对多重共线性，能否只调整与较小特征值对应的方向，在降低系数方差的同时减少常规岭回归引入的偏差？
- 方法与思路
- 作者提出定向岭估计量，仅改变与相对较小特征值对应的对角元素，并通过一组实验比较其与其他岭估计量及 OLS。
- 材料陈述的贡献
- 摘要称定向调整可能比全面调整产生更小偏差；实验中多种岭估计量的系数均方误差低于 OLS，定向方法相对表现较好。
- 阅读关注点
- 应核对对角调整所在的参数表示、较小特征值的判定与调节规则，以及实验设计和偏差、方差、均方误差的比较范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未提供调节规则或普遍占优条件，实验表现不能推广为一般结论。
原文摘要
In the presence of multicollinearity ridge regression techniques result in estimated coefficients that are biased but have a smaller variance than ordinary least squares (OLS) estimators and may, therefore, have a smaller mean square error. The directed ridge estimator (DRE) suggested here alters only diagonal elements corresponding to relatively small eigenvalues. The advantage of our method is that the resulting estimates may be less biased than in other ridge regression methods that alter all diagonal elements. A set of experiments indicate that various ridge estimators result in reduced mean square error in the coefficient estimates relative to OLS and that DRE performs well relative to the others.