最小一乘估计快速算法

最小二乘估计容易受奇异点的影响, 最小一乘估计是稳健估计, 可以很好地克服这个缺陷, 但计算困难. 基于非退化模型假设下的稳定极点理论, 本文找到了快速准确求解最小一乘估计的迭代算法,并给出算法的计算过程及与线性规划求解的比较, 较好地解决了最小一乘估计计算难的问题, 使其成为有效的参数估计方法.     

Least Absolute Deviation Estimation for Regression with ARMA Errors

The asymptotic normality for least absolute deviation estimates of the parameters in a linear regression model with autoregressive moving average errors is established under very general conditions. The method of proof is based on a functional limit theorem for the LAD objective function.     

基于可调权重距离的最小一乘回归方法

不同时期数据对因变量的影响权重不同,若不考虑数据的时间特性而构建回归模型,可能不一定得到最佳的回归模型.针对经济领域中数据时间跨度大,样本少以及可能存在异常点的特点,提出基于可调权重距离的最小一乘回归方法.建立了可调权重距离的权重系数确定方法,并给出基于MATLAB的模型求解方法.通过某船舶使用费用预测的应用,表明通过方法构建的模型具有更高的精度,值得借鉴.     

基于模拟退火算法的最小一乘回归新算法

最小一乘准则由于其稳健性较好而在工程中得到广泛的应用,但求解最小一乘回归模型系数的算法往往过于复杂或只能用于样本和变量个数较少的情形.本文根据最小一乘的性质,把最小一乘问题变为组合优化问题,将模拟退火算法用在最小一乘模型的求解上,在后面的数值实验中取得了较好的效果。     

基于门限接受算法的正交最小一乘回归新算法

正交最小一乘方法由于其稳健性而在工程中有广泛的应用,然而求解线性模型正交最小一乘参数估计算法往往过于复杂或者只对样本和变量个数较少的问题适用.把正交最小一乘参数估计问题转化为组合优化问题,再使用门限接受算法求解,通过计算机仿真说明了本文算法的正确性和有效性.     

m0相依误差下非线性回归模型LS估计的大偏差

该文获得了m0相依误差下非线性回归模型LS估计的大偏差，推广了Sieders和Dzhaparidze在独立误差下的相应结果     

污染数据回归分析中参数的最小一乘估计

考虑简单回归模型：ｙｉ＝ｘ′ｉβ＋ｅｉ,ｉ＝１,…,ｎ。其中Ｅｅｉ＝０,Ｅｅ＾２ｉ＝σ＾２１。假设ｙ１,ｙ２,…,ｙｎ受到另一独立同分布随机变量序列μ１,μ,…,μｎ的污染,我们仅能观察到污染数据ｙ＾＊ｉ＝（１－ν）ｙｉ,ν为未知的污染参数。本文用污染数据给出了β的最小一乘估计,并证明了它的渐近正态性和相合性。     

修正的模糊最小一乘线性回归

对文献[1]提出的基于对称三角模糊数的模糊最小一乘线性回归进行修正和扩展,给出模糊最小一乘线性回归模型的三种不同形式,并将其转化为线性规划或非线性规划问题进行求解。最后,给出几个数值实例,通过计算和比较,结果表明三种模糊最小一乘线性回归模型都具有非常好的拟合性。     

曲线拟合的广义最小一乘法

介绍了最小一乘法的方程式解法;讨论了这种方程式解法与最小一乘逼近之间的关系;说明了它不仅适用于线性函数类也适用于非线性函数类的最佳逼近的实现;提出了零偏差点附近数据变化的两个重要特征;建立了一种具有"人为"因素的广义最小一乘法;并给出了该法在预测方面的几个应用实例.     

残差绝对值之和最小准则下回归方程的求法

本应用线性规划方法,解决了“残差绝对值之和最小”,“最大偏差最小”准则下回归方程的求法,这种方法对于建立多元线性回归方程、多项式回归方程和可以线性化的回归方程都是有效的。     

NA样本下线性模型估计矩相合性

在NA样本下讨论了线性回归模型最小二乘估计的r阶矩相合性,并在02时推广了相关文献之结论.     

线性模型中加权混合估计相对于最小二乘估计的两种相对效率

本文提出了线性模型中加权混合估计相对于最小二乘估计的两种相对效率,并给出了这些相对效率的上下界.     

线性模型中参数向量的线性经验Bayes估计

本文利用线性经验Ｂａｙｅｓ估计的思想，对线性回归模型中未知参数向量构造了一类线性经验Ｂａｙｅｓ估计，并在一定条件下证明了其具有的ａ．ｏ．收敛速度．     

Order statistics for nonstationary time series

Order statistics has an important role in statistical inference. The main purpose of this paper is to investigate order statistics, and also explore its applications in the analysis of nonstationary time series. Our results show that linear functions of order statistics for a large class of time series are asymptotically normal. The methods of proof involve approximations of serially dependent random variables by independent ones. The problems of testing for the existence of a linear trend and the problem of testing randomness versus serial dependence are considered as applications.     

基于最小一乘准则的三次样条对利率期限结构的拟合

将基于最小一乘准则的三次样条函数法应用于拟合在上海证券交易所交易的国债的利率期限结构,并与传统的最小二乘法进行比较。样本外预测结果显示,稳健的最小一乘方法能有效的降低异常点的干扰,弥补最小二乘法的不足,提高预测的精度。     

Adaptive Penalized Weighted Least Absolute Deviations Estimation for the Accelerated Failure Time Model

The accelerated failure time model always offers a valuable complement to the traditional Cox proportional hazards model due to its direct and meaningful interpretation. We propose a variable selection method in the context of the accelerated failure time model for survival data, which can simultaneously complete variable selection and parameter estimation. Meanwhile, the proposed method can deal with the potential outliers in survival times as well as heteroscedastic model errors, which are frequently encountered in practice. Specifically, utilizing the general nonconvex penalty, we propose the adaptive penalized weighted least absolute deviation estimator for the accelerated failure time model. Under some regularity conditions, we show that the proposed method yields consistent estimator and possesses the oracle property. In addition, we propose a new algorithm to compute the estimate in the high dimensional settings, and evaluate the practical utility of the proposed method through extensive simulation studies and two real examples.     

连续介质基本主标架旋率的绝对表示

本文提供一个一般性的方法,给出至今仅局限于主轴表示的连续介质各种旋率的抽象表达式,从而扩大了各种旋率进一步应用的可能性.     

双侧截断数据的中位数回归(英文)

在很多实际应用中,个体寿命时间可能被同时左截断与右截断.本文在左右截断变量都能被观察到的假设下,提出了一种半参数推断方法,来分析协变量对于相应寿命时间或其某种变换的中位数的影响,并讨论了所得估计量的渐近性质.此外,本文还提供了一种基于经验似然的回归参数推断方法,并讨论了将这些方法推广到经典双侧截断数据的可能性.一些模拟计算被用于展示这些方法的有效性.     

基于半参数回归模型的最小一乘局部线性算法

根据最小一乘准则,推导出最小一乘局部线性估计的计算方法,并通过对模拟数据的计算和分析,对比最小一乘核算法和最小二乘局部线性算法,验证了最小一乘局部线性算法是一种有效的,稳健的估计方法,并且有降低边界效应的作用．     

ɾʧ�ع�ģ����һ��LASSO�ͱ���ѡ��͹��Ʒ���

删失回归模型是一种很重要的模型,它在计量经济学中有着广泛的应用. 然而,它的变量选择问题在现今的参考文献中研究的比较少.本文提出了一个LASSO型变量选择和估计方法,称之为多样化惩罚$L_1$限制方法, 简称为DPLC. 另外,我们给出了非0回归系数估计的大样本渐近性质. 最后,大量的模拟研究表明了DPLC方法和一般的最优子集选择方法在变量选择和估计方面有着相同的能力.