首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 343 毫秒

1.  负相依误差下随机设计的半参数回归模型的渐近正态性  
   程文静  张捷《武汉大学学报(理学版)》,2013年第6期
   考虑了误差为负相依误差的随机设计半参数回归模型.利用权函数和最小二乘估计的方法给出了参数和非参数的最小二乘估计和加权最小二乘估计,并在较弱的条件下得到了它们的渐近正态性.    

2.  混合系数线性模型参数的广义Liu估计  
   蔡择林 陈金阳 江秉华《应用数学》,2021年第34卷第2期
   本文研究连续测量数据情况下的混合系数线性模型的参数估计问题.利用压缩估计方法给出了该模型的一类新的有偏估计-广义Liu估计,并在均方误差意义下,证明此类估计分别优于最小二乘估计、Liu估计.最后讨论参数的选取问题.    

3.  广义线性度量误差模型  被引次数:2
   李勇  唐守正《应用概率统计》,2006年第22卷第1期
   在线性度量误差模型中, 需要假设所有变量的观测值都含有未知度量误差\bd 因而 该模型不适用于一部分变量的观测值含有度量误差、而另一部分变量的观测值可精 确得到的情况\bd 为此, 本文提出了广义函数、结构和超结构关系线性度量误差模 型\bd 进一步, 这里还讨论了这些广义线性度量误差模型中参数的最小二乘和极大 似然估计方法, 给出了参数估计的表达式    

4.  NA样本半参数回归模型估计的矩相合性  
   周兴才  胡舒合《纯粹数学与应用数学》,2010年第26卷第2期
   考虑了误差为NA序列的半参数回归模型,利用非参数估计方法给出了模型参数的最小二乘估计和加权最小二乘估计,并在适当条件下得到了它们的矩相合性.    

5.  平行数据模型中异方差问题的处理——截面内误差项v_(it)~ARCH(q)  
   任燕燕《数理统计与管理》,2010年第1期
   本文在平行数据模型方差成分的框架下,考虑了横截面内误差项v_(it)~ARCH(q)的异方差处理方法。给出模型设定的假设检验和参数的一致估计,并利用Monte-Carlo方法验证了本文估计方法优于普通最小二乘估计方法。    

6.  平行数据模型中异方差问题的处理——截面内误差项U_(it)~ARCH(q)  
   任燕燕《数理统计与管理》,2010年第29卷第1期
   本文在平行数据模型方差成分的框架下,考虑了横截面内误差项Uit~ARCH(q)的异方差处理方法.给出模型设定的假设检验和参数的一致估计,并利用Monte-Carlo方法验证了本文估计方法优于普通最小二乘估计方法.    

7.  半参数回归模型的一类压缩估计  
   程慧燕  吴秀才  朱道元《数学的实践与认识》,2016年第12期
   研究了半参数回归模型的参数估计问题,利用压缩估计方法给出了模型的一类有偏估计,并与最小二乘估计、岭估计、几乎无偏岭估计进行了比较.在均方误差意义下,新的压缩估计明显优于最小二乘估计.最后讨论了有偏参数选取的问题.    

8.  误差分布未知下时空模型的自适应非参数估计  
   汪红霞  罗学洪  林金官    《数学年刊A辑(中文版)》,2021年第42卷第2期
   极大似然估计作为参数估计中较为有效的一种估计方法,在误差分布未知下无法进行, 另一方面, 时空数据经常含有奇异点或来自重尾分布,此时基于最小二乘的估计方法效果欠佳.考虑时空异质性和相关性,针对误差分布未知的时空模型,本文提出基于核密度估计的自适应非参数估计方法.在较弱的条件下证明了该估计量和已知误差分布下的局部极大似然估计量是渐近等效,比基于最小二乘的局部多项式估计量有效. 模拟和实证都验证了该方法对于有限样本的有效性, 尤其奇异点的存在,该方法在边界的拟合效果显著优于基于最小二乘的方法.    

9.  总体最小二乘准则下非线性EV模型的参数拟合方法  
   王福昌  钱小仕  张艳芳  任晴晴《数学的实践与认识》,2019年第6期
   在非线性回归模型参数拟合问题中,当数据中的每个变量都存在不可忽略的误差时,在普通的最小二乘准则下拟合出的参数不是最优的.按照总体最小二乘准则,以观测点到拟合曲线或拟合曲面垂直距离平方和为目标函数,然后用最优化方法搜索出使目标函数值取最小值的参数和数据点估计,从而给出求最优模型参数的算法,最后,通过计算机仿真和与文献比较,验证了提出方法的正确性.    

10.  混合回归模型参数的M估计及其渐近性质  被引次数:2
   侯玉华  朱燕堂《应用数学学报》,1990年第2期
   目前对模型(1.1)参数的估计一般采用最小二乘方法.但在实际应用中,由于理论模型与实际问题有一定偏差,尤其是数据中含有一定比例的异常值,最小二乘估计往往得不到令人满意的结果.本文则运用M估计方法对模型(1.1)参数进行了估计,这在很大    

11.  因变量缺失下变系数部分线性测量误差模型的变量选择  
   杨凌霞  黄彬《数学的实践与认识》,2014年第16期
   主要研究因变量存在缺失且协变量部分包含测量误差情形下,如何对变系数部分线性模型同时进行参数估计和变量选择.我们利用插补方法来处理缺失数据,并结合修正的profile最小二乘估计和SCAD惩罚对参数进行估计和变量选择.并且证明所得的估计具有渐近正态性和Oracle性质.通过数值模拟进一步研究所得估计的有限样本性质.    

12.  NA样本下随机设计的半参数回归模型的弱相合性  
   张捷  胡宏昌  朱丹丹《数学杂志》,2013年第33卷第5期
   本文研究了误差为NA序列下随机设计的半参数回归模型的问题.利用权函数和最小二乘估计的方法给出了参数、非参数及误差方差的估计,在较弱的条件下获得了它们的弱相合性结果.    

13.  不等式约束条件下部分线性回归模型的参数估计  
   马海强《数学理论与应用》,2008年第28卷第3期
   本文研究了不等式约束条件下部分线性回归模型的参数估计问题,利用最优化方法和贝叶斯方法,给出了不等式约束条件下部分线性回归模型的最小二乘核估计和最佳贝叶斯估计,并且证明了在一定条件下,带约束条件的最小二乘核估计在均方误差意义下要优于无约束条件的最小二乘核估计。    

14.  响应变量缺失下变系数部分线性测量误差模型的约束估计  
   黄彬  郑新民  王宇  关晓妮《数学的实践与认识》,2018年第8期
   当响应变量缺失、协变量具有测量误差,且模型参数部分有附加的线性约束时,主要研究一类变系数部分线性模型的统计推断问题.利用借补技术来补全缺失数据,并借助修正的profile最小二乘估计得到了模型参数分量和非参数分量的借补约束估计,并证明了参数分量的估计满足渐近正态性,同时非参数分量的估计与通常的非参数回归函数的估计具有相同的收敛速度.其次利用profile拉格朗日乘子检验对模型参数的约束条件进行检验,并证明了给出的检验统计量在原假设成立时渐近地服从标准卡方分布.数值模拟进一步表明对缺失数据进行借补可以有效地提高参数估计和假设检验的效率.    

15.  EV自回归模型的一个相合估计  
   魏蕴波  宇世航  张水胜《数学的实践与认识》,2015年第4期
   考虑带有测量误差的自回归模型,在不对替代变量和真实变量之间的关系做任何模型假设的情况下,借助核实数据,给出未知参数的一个基于核实与替代两方面信息的最小二乘估计量,并证得该估计量是相合估计.    

16.  纵向数据半参数回归模型的估计方法  
   王芬玲  樊明智《数理统计与管理》,2007年第26卷第6期
   本文考虑纵向数据半参数回归模型,通过考虑纵向数据的协方差结构,基于Profile最小二乘法和局部线性拟合的方法建立了模型中参数分量、回归函数和误差方差的估计量,来提高估计的有效性,在适当条件下给出了这些估计量的相合性.并通过模拟研究将该方法与最小二乘局部线性拟合估计方法进行了比较,表明了Profile最小二乘局部线性拟合方法在有限样本情况下具有良好的性质.    

17.  相依误差下非线性回归模型LS估计的收敛速度  被引次数:2
   胡舒合《中国科学A辑》,2001年第31卷第7期
   研究非线性模型的参数估计问题,在误差满足较宽泛的条件时,证明了参数的最小二乘估计具有强相合性及强相合速度.    

18.  高精度参数估计问题  
   彭天强  张文林  常宁《数学的实践与认识》,2007年第37卷第14期
   对高精度参数的估计问题进行了研究.在观测数据无误差的情况下,将微分方程组转化为线性方程组,利用矩阵的奇异值分解给出了参数的最优解.在有观测数据误差的情况下,采用高斯-牛顿迭代法进行求解,给出了改进的高斯-牛顿法和阻尼最小二乘算法;通过灰色估计法给出了模型的初始解,通过微分方程数值解法计算模型迭代过程中误差和偏导数.最后,通过对迭代过程中的状态变量引入误差项,导出了基于总体最小二乘的高斯-牛顿迭代法,从系统的角度解决了观测时间有误差下的参数估计问题.    

19.  Panel模型中两步估计的优良性  被引次数:8
   王松桂 范永辉《应用概率统计》,1998年第14卷第2期
   本文研究Panel模型中未知参数的估计问题,给出了两步估计的协方差的准确表达式.用均方误差作为度量估计的优劣标准,我们建立了两步估计优于Within估计和最小二乘估计的充要条件.特别我们获得了两步估计优于Within估计的简单充分条件.一般说来,对于中等数量的样本容量,两步估计就优于Within估计,类似的结论对Between估计或最小二乘估计也成立.    

20.  因变量缺失下线性变量含误差模型的估计  
   李静《数学的实践与认识》,2009年第39卷第22期
   主要考虑线性模型在自变量测量含误差以及因变量缺失情况下的估计问题.对于模型中的回归系数,我们基于最小二乘方法提出了两类估计,其中一类估计只由完整观测数据构成,而另外一类估计利用的则是利用简单插补方法构造的完整数据.证明了这两类估计是渐近正态性的.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号