r语言岭回归参数选择_岭参数k的存在性及其选择

岭参数k的存在性及其选择

在岭参数的选择上，通常情况下人们的目的是要选择 k 值，此值使得均方误差达到最小，而这个 k 值的选择又离不开未知参数β和σ2 ，所以在实际问题的应用中，常常需要根据样本来确定岭参数 k 的值。一般地，有以下几种方法来选择岭参数 k 值。

1 岭迹图法

着多重共线性时，如果最小二乘法的估计有看似不合理的情况时，比如估计值与实际内容不符或者符号违背了实际意义等情况，那么人们希望通过岭估计的方法对这些情况加以改善，对问题的解决有所帮助。此时，岭参数 k 值的选择是关键。一般情况下有以下几个原则：

（1）回归方程中各回归系数的岭估计曲线变化不大，趋于平稳；

（2）回归系数基本符合实际意义；

（3）与采用最小二乘估计相比，采用岭回归方法得到估计的符号更为合理，更符合实际意义；

（4）残差平方和虽然可能有所增大，但幅度不大，并且基本趋于稳定。 岭迹图法与传统的基于残差的方法完全不同，它提供了一种全新的分析问题的思路，这是一种直观的易于理解的方法，这对于本文研究自变量之间的相互作用是有帮助的，可以说采用岭迹图法确定岭估计 k 值是定量分析与定性分析的一个很好的结合。但同时，岭迹图分析方法也存在着明显的缺点，比如采用岭迹图分析方法确定的岭参数 k 在一定程度上存在主观人为性，并且缺少可靠的理论依据。

2 方差膨胀因子法

（33）

其中，矩阵

（34）

3 控制残差平方和法

（35）

即：

（36）

《来源于科技文献，经本人分析整理，以技术会友，广交天下朋友》