二维概率密度核窗估计的快速算法

概率密度核窗估计法,在窗宽选取最佳时,具有很高的精度,在各种确定最佳窗宽的方法中,最小二乘相关确认法是性能较好的一种,但因运算量大使其实际应用受到限制,本在保证核窗估计高精度的前提下,给出了二维概率密度核窗估计的快速算法,并通过仿真运算,验证了该算法的有效性。     

多元回归中时变参数的非参数估计

本文讨论了参数随时间变化的一类多元回归模型,提出了一种非参数估计方法——准最小二乘核函数估计方法。证明了在一定的条件下所得的估计具有相容性,推广了Robinson的结果。     

一阶广义随机系数自回归模型参数的最小渐近方差估计

研究广义随机系数自回归模型中参数的估计问题, 给出了未知参数的一个估计类, 证明了该估计类中估计的相合性和渐近正态性, 并且获得了该估计类中的最小渐近方差估计, 并通过数值模拟比较了估计类中各种估计方法的优劣.     

采用最小二乘支持向量机的部分相依函数型线性模型估计与应用

提出一种基于无截断Bartlett核函数的重构方法,有效避免长期方差函数估计方法面临的核函数与窗宽选择问题,并将其应用到部分相依函数型线性模型中.利用考虑函数型数据相依性的最小二乘支持向量机对模型进行参数估计,数值模拟结果表明:与未考虑函数型数据相依特征的最小二乘估计方法相比,提出的考虑函数型数据相依性的最小二乘支持向量机估计方法能更稳健地估计向量系数,有效提高样本外的预测精度;将部分相依函数型线性模型应用到上证指数开盘价的预测中,得到较好的预测效果.     

回归函数的核估计法及其在经济分析中的应用

简介了非参数估计中的一种核估计方法，通过一个财政收支的实例，与最小二乘法进行了比较。     

多k类广州压缩最小二乘估计

提出了线性模型中回归多数的多k类广州压缩最小二乘估计的概念,在均方的意义下,给出了该估计一致优于最小二乘估计的充分条件。     

自协方差总体最小二乘噪声估计算法

提出了一种自协方差总体最小二乘(ATLS)噪声估计算法,该算法在自协方差最小二乘(ALS)噪声估计算法基础上,采用总体最小二乘方法对自协方差线性方程组求解,使得算法具有更强的抗干扰能力,提高了算法的估计精度;并给出了算法的实现步骤。仿真实验表明在先验噪声偏差较大的情况下,ATLS噪声估计算法具有更高的估计精度。     

可识别联立方程组模型的一种参数估计方法

在可识别的条件下构造出一种线性联立方程组模型中参数估计方法.该方法具有相合性和渐近正态性,并且比二步最小二乘法计算量小.数据模拟结果表明,我们所提方法在某些方面好于间接最小二乘法,其估计精度接近于二步最小二乘法和三步最小二乘法.     

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.     

系数为对称梯形模糊数的回归模型

针对输入为精确、输出和系数为对称梯形模糊数的情况,建立模糊线性回归模型,给出该模型的最小二乘估计和模型性能的评价方法.当输入、输出以及系数都退化为精确值时,该估计退化为经典的最小二乘估计.     

线性限制下联立方程组模型的可识别性与参数估计

给出了带线性方程间限制的联立方程组模型的可识别定义及间接最小二乘估计量、两步最小二乘估计量、三步最小二乘估计量的解析表达式．进一步在可以理解的条件下证明了这些估计量的一相合性和渐近正态性．随机模拟的例子表明这些方法中三步最小二乘估计是最好的．     

约束泛最小二乘估计及其Cook距离

通过求极值给出了普通线性模型y=Xβ+e在约束Aβ=b下的泛最小二乘估计∧β*u=∧βu-(X’PX+kQ)-1A’{A(X’PX+kQ)-1A’}-1(∧Aβu-b)并得到其Cook距离的一个简化公式。     

NEAR (p) 模型的参数估计

分别用条件最小二乘、 加权条件最小二乘和最大拟似然方法估计了平稳的NEAR(p)模型的参数. 并讨论了这些估计量的渐近性质. 通过数值模拟发现, 当参数真值较小时, 最大拟似然方法的估计效果较好； 当参数真值较大时, 加权条件最小二乘方法的估计效果较好.     

自回归AR模型整体最小二乘分析

主要讨论时间序列的自回归模型AR（p）的参数估计问题,列出常用的普通最小二乘估计和整体最小二乘估计方法,列出算例进行比较分析。     

整体最小二乘参数估计的并行算法

基于递推最小二乘的逆ＱＲ分解方法,给出一种整体最小二乘参数估计的递推算法,并利用已获得的并行实现方法进行并行实现,最后给出了仿真结果．文中给出的并行计算方法使得在实际中应用整体最小二乘进行参数估计变得可行．     

线性回归模型中K-d型估计研究

考虑线性回归模型Y=Xβ＋ε,E（ε）=0,Cov（ε）=σ2 I,当设计矩阵X的列存在共线性时,最小二乘估计β=（X′X）-1 X′Y的性质变坏,为此给出了有偏估计β（K,d）=（X′X＋K）-1（X′Y＋dβ）,其中K〉0为对角矩阵,ki〉0,-∞〈d〈∞为参数,讨论了这种有偏估计对Liu估计、最小二乘估计的优越性,并证明了其可容许性估计。     

混合系数线性模型参数的新估计与LS估计的比较

混合系数线性模型在连续测量数据的情况下，给出了固定系数a和随机系数期望b的一种新估计．在均方误差的意义下，证明了混合系数线性模型参数的新估计优于最小二乘估计（LS估计），并给予了应用举例．     

PC准则下生长曲线模型回归参数阵广义岭估计的优良性

一般而言 ,PC准则是用来比较向量参数两个估计优劣的一种准则。本文将它推广应用于生长曲线模型回归参数阵的最小二乘估计和广义岭估计优劣性的比较。给出了广义岭估计在PC准则下优于最小二乘估计的条件     

最小二乘预估法在GPS高程转换中的应用

对GPS测量实践中普遍存在的高程转换问题进行了分析，提出了GPS高程向我国实用高程系统转换的最小二乘预估法。论证了最小二乘预估法的数学模型，将其方法在计算拟合高程异常中的应用得以实现，并结合实测数据与平面拟合法进行了分析比较。计算结果表明，采用的高程转换模型，具有一定的科学性和实用性。