在高杠杆点存在下的多重线性回归中多重共线性的补救措施

普通最小二乘法（OLS）因其传统性和最佳性质在多重线性回归模型中被广泛使用。然而，在多重共线性存在的情况下，OLS方法效率低下，因为其估计的标准误差会膨胀。许多方法被提出以解决这个问题，包括Jackknife岭回归（JAK）。然而，当数据中存在多重共线性和高杠杆点（HLPs），即X方向的异常观察值时，JAK的表现不佳。作为这个问题的解决方案，提出了稳健的Jackknife岭MM（RJMM）和稳健的Jackknife岭GM2（RJGM2）估计量。然而，它们仍然效率不高，因为它们存在较长的计算运行时间、某些偏差元素，并且没有有界影响性质。本文提出了一种稳健的Jackknife岭回归，结合了一种广义M估计量和快速改进的Gt（GM-FIMGT）估计量。我们将这种方法命名为基于GM-FIMGT的稳健Jackknife岭回归，记为RJFIMGT。数值结果表明，所提议的RJFIMGT方法被发现是最佳方法，因为与本研究中的其他方法相比，它具有最小的均方根误差（RMSE）和偏差值。