线性回归模型的广义刀切最小二乘估计

在误差为相依的情况下,讨论了线性回归模型的刀切最小二乘估计与广义刀切最小二乘估计。在均方误差意义上,广义刀切最小二乘估计优于刀切最小二乘估计,并利用算例进行了验证。     

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.     

普通最小二乘估计方差表达式的等价性

从最小二乘估计的经典假定出发,运用最小二乘估计的相关理论,证明了一元线性回归模型中常数项的普通最小二乘估计方差表达式的等价性。     

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.     

缺失数据下局部M-估计的相合性和渐近正态性

在缺失响应变量的不完全数据下,对非参数回归模型进行研究,利用稳健的变窗宽局部线性回归的方法,给出了回归函数m(x)的估计,并证明了局部M-估计具有相合性和渐近正态性.所提出的方法继承了局部多项式回归的优点并且克服了最小二乘方法缺乏稳健性的缺点.并且使用变窗宽提高了所得M-估计的可塑性,使之能成功地处理空间非齐次曲线、异方差性及非均匀设计密度.所得估计的渐近结果为求渐近最优方案以及直接从数据估计最优变窗宽提供了理论基础.     

非齐次等式约束下奇异型线性回归模型的广义条件岭估计

文章对线性回归模型参数有偏估计做进一步研究,提出了在非齐次等式约束下奇异型线性回归模型参数的广义条件岭估计,并给出它的一些性质,而且证明了在一定条件下,在均方误差阵和广义均方误差意义下,广义条件岭估计都优于约束最小二乘估计.最后,通过实际数据进行实证分析,得到了取不同岭参数矩阵时对应的广义条件岭估计及其MSE,验证了广义条件岭估计优于约束最小二乘估计的充分条件的正确性.     

广义线性模型拟合方法的相容性

广义线性模型包括了回归、自回归及其混台型的线性模型,是一种比较广泛的统计模型.对它的拟合,主要包括了对参数的最小二乘估计,以及对自变元的选择估计.本文的目的在于,综述近十余年在此领域中的重要研究成果,其中也包括介绍某些主要结论的证明方法.     

多元线性回归递推最小二乘估计的一种新形式

给出一种新型的多元线性回归模型参数的递推最小二乘估计,在很大程度上,新的方法改进了传统的最小二乘估计。     

关于回归参数估计方法的探究

线性模型广泛应用于工业、生产、经济、社会等领域,本文对模型中的参数作了最小二乘估计,讨论了最小二乘估计的优点和缺点。针对这种方法的不足,提出了对模型参数的线性约束估计,同时对其优点作了讨论。     

基于多元线性回归的每股收益影响因素分析——以安徽省为例

针对安徽省制造业上市公司每股收益的实证研究,将基于杜邦原理分析得到的若干影响每股收益的因素作为回归模型中的解释变量,同时均值处理收集得到的2014²016年数据,代入Eviews软件进行参数估计。并对模型进行多重共线性,异方差和自相关检验,根据检验结果对模型不断修正完善。最终运用逐步回归法和加权最小二乘法得到关于每股收益影响因素的多元线性回归式,并提出关于提高上市企业每股收益的有益建议。     

关于回归参数估计方法的探究

线性模型广泛应用于工业、生产、经济、社会等领域,本文对模型中的参数作了最小二乘估计,讨论了最小二乘估计的优点和缺点.针对这种方法的不足,提出了对模型参数的线性约束估计,同时对其优点作了讨论.     

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.     

一种改进的线性回归模型

本文阐述了一种改进的线性回归模型——偏最小二乘回归模型的基本原理,并结合实例指出当变量间存在着线性关系时,普通的多元线性回归建模方法会失效;通过对偏最小二乘回归模型和主成分回归模型的系数估计精度及预测精度两方面的比较,说明要消除变量间的线性关系,前者优干后者。     

缺失数据下半参数回归模型的局部线性光滑

在缺失响应变量的不完全数据下,对半参数回归模型进行研究.利用最小二乘和局部线性回归拟合方法建立缺失数据下半参数回归模型参数分量和非参数分量的局部线性估计.在适当的条件下,得到^βn,^nσ的渐近正态性和^gn(t)最优弱收敛速度.     

一般线性回归模型的参数估计

传统的最小二乘估计在处理一般线性回归模型的参数β和σ2的估计问题时,若遇到异常数据模型拟和得往往不好,现提出另一种估计方法:修正的最小二乘估计.结果表明此方法在处理异常数据时具有明显的优越性.     

线性回归模型的抗差泛最小二乘估计

首次用抗差泛最小二乘法考虑线性回归模型，得到了抗差泛最小二乘估计；然后，研究了该估计的影响函数和渐近方差-协方差矩阵；最后，用算例说明了抗差泛最小二乘估计具有抗差性，优于传统的最小二乘估计及作提出的泛最小二乘估计。     

岭回归参数选择的主成分方法

当线性回归模型中自变量出现共线时,最小二乘估计不再是良好估计。岭回归估计和主成分估计是新提出的两种估计方法,本文讨论了在某些条件下,这两种估计是很接近的,同时提供了一种选择岭回归参数K的方法,称为主成分选择法。文章还列举了两个典型例子来说明。     

广义岭型主成分估计的优良性质

讨论线性回归模型的一种有偏估计广义岭型主成分估计,给出广义岭型主成分估计一些性质,证明在MSE和GMSE准则下是等价的并且优于最小二乘估计,在Pitman准则下优于最小二乘估计和岭型估计.进一步得到了在均方误差意义下广义岭型主成分估计是可容许估计的结论.     

部分线性回归模型中的广义似然比检验

检验了部分线性回归模型中的函数部分是否为常数, 在备择假设下, 先用局部多项式方法估计出函数部分, 在估计中忽略了参数部分, 将其并入误差项, 再使用二阶段估计法, 直接应用最小二乘方法, 估计出参数部分, 并讨论了它们的渐近性质. 计算了零假设下广义似然比检验统计量的表达式, 并给出其渐近分布.     

关于学生复杂连锁反应时间分布模型参数估计的一种方法

介绍了在计算机局域网环境条件下进行形成性检测,以及收集学生群体的反应数据并加以处理的一般流程,导出关于总体参数t0、m和τ矩估计的非线性方程组.鉴于矩估计编程算法复杂,且对于超越方程组可能得不到满足精度的数值解,给出一种通过线性回归进行参数估计的方法,并对可能存在的异方差问题,给出使用加权最小二乘法估计总体参数的解决方案.