异方差一致协方差阵的估计方法研究

处理回归模型中的异方差问题尤为重要的一点是对随机误差项的方差进行估计.考虑到非参数核估计和稳健估计在异方差构成未知的情况下在估计效果上仍具有一定优越性，因而将非参数N-W估计和两种稳健估计方法分别与估计加权最小二乘估计法相结合，先得出随机误差项方差的估计量，进而将其作为权矩阵对模型参数进行估计，并基于估计加权最小二乘法，对已有的加权异方差一致协方差估计方法进行扩展，提出了两个新的加权估计量WHC4m和WHC5m.通过实验可以发现，各估计方法在模型参数的估计和检验效果上差别较大，并且新提出的加权估计量比原有的异方差一致协方差估计量HC4m和HC5m在检验效果上表现更好.     

基于原始自助法估计异方差线性模型

利用原始自助法(wild bootstrap)估计异方差线性模型,建立了异方差线性模型中参数部分的最小二乘估计的渐近分布,给出了非齐次方差的协差阵的一个相合估计.     

加权最小二乘法在EViews软件应用中易出现的问题及处理方法

加权最小二乘法是计量经济学模型出现异方差性时的修正估计方法,但是在EViews软件的应用过程中,如果处理不当,将会得到错误的结论.结合具体案例指出加权最小二乘法在应用中易出现的问题,并给出相应的解决方案.     

鞅差误差下异方差部分线性回归模型估计的矩相合性

本文研究了误差为鞅差序列下的异方差部分线性回归模型.基于非参数估计量,我们导出了最小二乘法和加权最小二乘法的参数估计量,并且在适当条件下得到了它们的矩相合性.同时,通过模拟研究了有限样本下估计量的性能.     

设计阵列亏秩时几种估计性能的比较

在给定的线性模型下，讨论了在设计阵列亏秩时，最小二乘估计、最优加权最小二乘估计和线性无偏最小方差估计的性能比较。得出了在一定条件下，最优加权最小二乘估计等价于线性无偏最小方差估计。在噪声方差矩阵可逆、未知参数方差矩阵可逆条件下，可算出最优加权最小二乘估计与线性无偏最小方差估计方差的差表达式，并在一定条件下，两者趋于一致。     

关于Gauss-Markov估计在噪声方差矩阵不可逆时的化简

讨论了Gauss-Markov(简记为)估计与最优加权最小二乘估计之间的关系,证明了即使模型噪声方差阵不可逆,在一定条件下GM估计与最优加权最小二乘估计仍可以是统一的.     

基于等效平差因子的方差-协方差分量估计

充分挖掘观测量的信息,利用矩阵变换将随机模型的方差-协方差分量估计转化为函数模型的均值参数的估计,借助最小二乘理论得到方差-协方差的最小二乘估计.进一步通过矩阵的正交变换引入等效平差因子,然后通过二次型定理提出了基于等效平差因子的方差-协方差分量估计的新方法.算例表明,基于等效平差因子的方差分量估计的效果要优于最小二乘方差分量估计.     

一类线性回归模型的参数估计

考虑一类多总体线性回归模型,其特点是它们均具有部分相同回归系数. 采用各个子总体内样本利用最小二乘方法估计回归参数, 然后依据样本容量进行加权估计公共回归系数, 最后把公共回归系数回代到各个线性回归模型, 利用最小二乘方法估计不同部分系数. 理论结果表明, 此种方法得到的估计量, 不仅是无偏估计, 而且方差比用单个子总体样本得到的最小二乘估计要小,蒙特卡罗模拟证实了该估计量良好的性质.     

最优加权最小二乘估计与线性无偏最小方差估计性能比较

在给定的线性模型下,讨论了最优加权最小二乘估计与线性无偏最小方差估计性能比较,在噪声方差矩阵可逆条件下,可算出线性无偏最小方差估计与最优加权最小二乘估计方差的差表达式,并在一定条件下,两者趋于一致。     

基于成分数据的异方差模型

经典线性回归模型中,常用最小二乘法对模型中的参数进行估计,进而对模型进行预测。当模型具有异方差时,经常使用广义最小二乘法估计参数。若线性模型中的解释变量为成分数据,在异方差下,虽然可以使用广义最小二乘对参数进行估计,但是由于成分数据的定和限制及其特殊的协方差结构,会导致矩阵不可逆,从而无法估计参数。针对成分数据中的这种情况,文章借助于岭回归分析法的思想给出了一种解决方法。实例分析表明,此方法是可行的。