回归分析中参数估计的一种新方法

本文根据矩阵的广义逆理论,建立了回归分析中进行参数估计的一种新方法,该方法更简单更精确。     

一般回归模型中的非参数估计

本文考虑一般回归模型中回归系数的方向之估计。文中,利用最大似然型的准则,找到了回归系数方向的相合估计。但在把他们的估计中,对自变量的分布加上了很强的限制性条件。本文,为了去掉这个限制性条件,找到了一个非参数估计方法,并证明了它的相合性。     

关于回归模型的参数估计效率

本文讨论回归模型的参数估计效率。本文说明了现有线性回归模型的参数估计效率的下界与真实的参数估计效率在很多情况下相差较大,而且这种下界对于实测数据处理很难得到精确值。本文给出了估算参数估计效率的仿真方法。理论分析表明,该方法给出的参数估计效率的估计较现有的下界估计更合理;仿真和实算结果表明,对于一大类线性和非线性回归模型,该方法给出的回归模型的参数估计效率的估计更接近模型参数估计效率的真值。     

一种有效的预报模式混合回归模型

一、混合回归模型介绍 我们都很熟悉多元回归模型:这类模型可以描述指标(输出)量y与因素(输入)量x1,x2,…,xp之间的线性相依关系. 如果我们希望研究某一物理量在不同时刻上的线性相依关系,我们又可借助于如下一种自由回归模型 模型(1)和模型(2)各有特点,前者可描述某物理量和众多影响因素之间的线性相依关系,但限制输入和输出都相对静止地处于同一时刻,后者可以描述物理量现时刻与过去时刻之间的动态相依性,但又仅局限于一维情形.如果我们希望研究某一物理量与多个影响因素在若干过去时刻上状态间的相依关系,模型(1)与(2)都不够用,必须引进…     

有AR残差的回归模型的参数估计和定阶

§1.引言 在线性回归模型中,有平稳相关噪声的回归模型是一类最常用、最广泛的形式,它的一般定义如下: 其中ε(t)为白噪声,F_t=(F_1(t),…,F_s(t))~τ为自变元,而β=(β_1,…,β_s)~τ为自变元的回归系数,Φ(B)=1-Φ_1B-…-Φ_pB~p,θ(B)=1-θ_1B-…-θ_qB~q,为后移算子,且序列{η(t),t≥1}是不可观测的。模型(1.1)蕴含了人们熟知的(A)统计     

异方差的线性混合模型的参数估计

本文研究既含有固定效应又含有随机效应的线性混合模型,在随机效应的方差不同即异方差情况下,即考虑方差受外界因素的影响,如温度、湿度等,我们称之为协变量,在有协变量情况下对方差建立对数线性模型,运用最大似然估计讨论了固定效应的估计和随机效应的预测,并且用约束最大似然(REML)方法研究对数线性模型中参数和随机误差中参数(离差参数)的估计,并讨论估计量的性质及离差参数估计量的渐近正态性。     

相依回归模型的参数估计的风险估计

本文给出了相依回归模型的ＯＬＳ估计，ＧＬＳ估计和ＲＧＬＳ估计在二次损失和Ｆｉｓｈｅｒ损失下的风险估计不等式。     

误差项有条件异差阵的多元自回归模型的参数估计

线性时间序列模型至今已有广泛的研究，但这些模型习惯上都设预测方差是一个     

基于参数估计线性回归模型选择的研究

关于线性回归模型选择,[1]中介绍了许多方法,他们均基于残差平方和下建立的选择准则,本试基于参数估计的理论给出一种方法,从参数估计的优良性质上来说,我们认为是合理的,同时给出了计算方法及应用实例。     

偏正态数据下众数混合专家回归模型的参数估计

混合专家模型是对异质总体数据进行回归、分类和聚类的异构性建模的流行框架.研究基于偏正态分布,提出了众数混合专家回归模型,该模型既对混合偏态数据分类后进行众数建模,同时又对混合比例建模,相比单纯的众数回归模型具有更大的适应性,可以概括和描述众多的实际问题.采用了一种有效的模式识别聚类方法来选择子聚类的数量.分别应用MM算...     

联合均值与方差混合专家回归模型的参数估计

在社会、经济领域中存在大量来自异质总体的异方差数据.本文针对异质总体的异方差数据,研究提出联合均值与方差混合专家回归模型,该模型同时对感兴趣的均值、方差和混合比例参数建模,可以概括和描述众多的实际问题.然后,利用EM算法和MM算法给出该模型的最大似然估计,进而通过Monte Carlo随机模拟来验证所提出的方法的有效性.最后,本文结合实际数据AQI(空气质量指数)说明模型的实用性和可行性.     

基于EM算法的混合自回归滑动平均模型的参数估计

研究了一类用于时间序列建模的混合自回归滑动平均模型.该模型是由m个ARMA分量经过混合得到的,给出了混合自回归滑动平均模型参数估计的期望极大化(EM)算法,从而得到了混合系数和分量模型的参数,通过仿真说明了其有效性.     

非线性回归模型参数估计的一个新算法

近年来,非线性回归的研究受到极大的重视.Ratkowsky(1983)总结了非线性回归分析的近代发展,著成专著.韦博成从微分几何的观点对非线性回归分析作了处理.究其原因,一方面因为线性回归分析的研究已臻完善;另一方面因为在实际应用时,非线性情形遇到最多,如由物理,化学,生物,地学等学科的实验所得到的模型几     

具有ARCH误差的回归模型参数估计的收敛速度

西方讨论了具有ＡＲＣＨ误差的回归模型参数估计的收敛速度。     

混合系数线性模型的参数估计

在连续测量数据情况下,本文给出了关于固定系数d和随机系数"的线性模型以及模型参数的估计,并讨论了参数估计的有关性质。     

基于参数估计线性回归模型选择的研究

关于线性回归模型选择 ,[1 ]中介绍了许多方法 ,他们均基于残差平方和下建立的选择准则 .本文试基于参数估计的理论给出一种方法 ,从参数估计的优良性质上来说 ,我们认为是合理的 .同时给出了计算方法及应用实例 .     

非线性E-V回归模型中参数估计的渐近性质

本文讨论了非线性E-V回归模型中参数的估计问题,构造了未知参数β0的最小二乘估计β和误差方差σ2的估计σ2,证明了β具有渐近正态性,同时也证明了σ2依概率收敛于σ2的速度可达到n-1/2.     

非线性E-V回归模型中参数估计的渐近性质

本文讨论了非线性E-V回归模型中参数的估计问题,构造了未知参数β0的最小二乘估计β和误差方差σ2的估计σ2,证明了β具有渐近正态性,同时也证明了σ2依概率收敛于σ2的速度可达到n-1/2.     

半参数回归模型参数估计的收敛速度

没有半参数回归模型Y=X’β g(T) e,其中(X,T)为取值于R~p×[0,1]上的随机向量,β为p维未知参数向量,g是定义在[0,1]上的未知函.e为随机误差,Ee=0,Ee~2=σ~2>0,且(X,T)与σ独立.参数β和σ~2的估计量(?)_n和(?)_n~2通常可利用非参数的权函数估计法与参数的最小二乘方法的结合得到.本文对核函数的情形得到了(?)_n和(?)_n~2的精确的收敛速度——重对数律.所施条件则与证明(?)_n和(?)_n~2的渐近正态性时施加的条件一致.又本文的证明方法对一般的权函数也适用.     

伪抛物线回归函数模型的建立与参数估计

在大量的实际问题中，变量与变量间的相关关系都呈现出伪抛物线状的变化规律，尤其在以投入报酬递减率为事物本质的研究中更是如此．本文通过对伪抛物线函数性质的深入分析，建立了伪抛物线回归函数模型，并根据该模型的特点，运用数值计算和解析计算相结合的方法，建立了该模型的参数估计方法，同时给出了显著性检验方法．