多元回归中的正收缩和预检验估计：蒙特卡洛研究与应用

考虑在线性回归模型中使用一组协变量预测响应变量的问题。如果先验知道或怀疑某些协变量对模型的整体拟合没有显著贡献，则排除这些协变量的受限模型可能就足够了。另一方面，如果该子集提供了有用信息，则收缩方法结合受限和非受限估计量来获得参数估计。这种估计量优于经典的最大似然估计量。任何先验信息都可以通过初步检验（或预检验）来验证，并且根据有效性，可以作为参数约束纳入模型。因此，预检验估计量根据初步检验的结果在受限和非受限估计量之间进行选择。提供了三个真实数据集的例子来说明收缩和预检验估计的应用。在先验信息不确定性程度不同的情况下，比较了正收缩和预检验估计量与无约束估计量的性能。蒙特卡洛研究再次证实了文献中可用的估计量的渐近性质。