岭估计

岭估计是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法。通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的耐受性远远强于最小二乘法。岭估计是A.E.Hoerl在1962年提出并经R.W.Kennard于1970年系统发展的估计方法，该方法可以显著改善设计矩阵列复共线时最小二乘估计量的均方误差，增强估计的稳定性。自1970年以来，该估计的研究和应用得到广泛的重视，成为最有影响的一种有偏估计。岭估计是带约束条件线性模型回归系数的最小二乘估计，属于岭估计理论的内容，它是考虑到设计阵呈病态时模型回归系数的最小二乘估计的分量有偏大的趋势，从而导致其性质变差，为了改进它的这一性质，通过对其千分量加以约束的方法而获得的估计，岭估计相对于非约束病态模型的最小二乘估计确实有所改进，但并未改变其不唯一性这一性质。