On Multivariate Ridge Regression
多元岭回归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：摘要属于一般多响应回归与收缩估计理论，未明确面板结构、因子模型或经济结构参数，因此不作细分。
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
多元岭回归
- 研究问题
- 在多个响应变量的线性回归中，如何利用回归间相关性与收缩效应，并处理未知协方差带来的不可识别问题？
- 方法与思路
- 作者将多元回归置于线性分层框架，构造包含多种既有收缩估计的更广估计量类，并对未识别协方差采用共轭先验。
- 材料陈述的贡献
- 摘要称统一框架涵盖多元岭估计、多个正态均值向量估计和增长曲线贝叶斯估计，并提出应对协方差不可识别的贝叶斯方法。
- 阅读关注点
- 应核对分层结构如何产生各特例、收缩与回归间相关的关系，以及协方差不可识别的来源和先验对推断的影响。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；具体风险改进条件和先验敏感性未说明，采用先验也不能据此认定数据本身实现识别。
原文摘要
A multivariate linear regression model with q responses as a linear function of p independent variables is considered with a p × q parameter matrix B. The least-squares or normal-theory maximum likelihood estimate of B is deficient in that it takes no account of the ‘across regression’ correlations, and ignores the Stein effect. A remedy was offered by Brown & Zidek (1980) in the form of a multivariate ridge estimator. A richer class of estimators is obtained here by casting the model in a linear hierarchical framework, obtaining the Brown & Zidek multivariate ridge estimates, Efron & Morris's estimates of several normal mean vectors and Fearn's Bayesian estimates of growth curves as special cases. The unknown covariance case results in an identifiability problem, which can be overcome by a Bayesian approach using conjugate priors for the unidentified covariance matrices.