复共线Gauss-Markov模型参数估计的最小描述长度方法

作     者：史玉峰 靳奉祥 SHI Yu-feng;JIN Feng-xiang

作者机构：山东理工大学建筑工程学院 山东科技大学校长办公室山东青岛266510 

基　　金：山东省基础地理信息与数字化技术重点实验室开放基金资助项目(SD2003-10)山东理工大学科研基金资助项目(2004KJM10) 

出 版 物：《青岛大学学报（工程技术版）》 (Journal of Qingdao University(Engineering & Technology Edition))

年 卷 期：2005年第20卷第1期

页      码：20-23页

摘      要：Gauss-Markov模型是多元数据分析处理工作中常用的模型,其参数估计与筛选一直是研究的热点。当Gauss-Markov模型的设计矩阵存在复共线性时,常用主成分分析方法来筛选和估计其参数,消去它们之间的复共线性,提高估计准确度。基于最小描述长度原理,提出了一种新的参数筛选估计方法。该方法应用最小描述长度原理选择主成分作为参数,其参数的可靠性较高;从信息的角度看,这种方法的信息损失最小。最后实例说明了该方法的有效性和可靠性。

主 题 词：最小描述长度 多元数据分析 Gauss—Markov模型 参数估计 复共线性 信息损失 

学科分类：07[理学] 070102[070102] 0701[理学-数学类] 

D　O　I：10.3969/j.issn.1006-9798.2005.01.005

馆 藏 号：203208575...