异方差模型中协方差阵的估计研究

在异方差模型中,尽管回归系数的普通最小二乘(OLS)估计仍能保持无偏性,但其对应的协方差阵估计不再一致。解决异方差问题,对随机误差项协方差阵的估计显得尤为重要。基于异方差形式未知的情况下,非参数估计的良好效果,应用不同的非参数方法对误差项的协方差阵给出估计,进而通过估计加权最小二乘法得到回归系数的估计,并在已有的加权异方差一致协方差阵估计的基础上进行了拓展。模拟实验和实例分析表明,不同的非参数方法在回归系数的估计和模型的检验方面效果都有很大的差异。     

基于自适应N-W估计的异方差估计方法

解决异方差问题至关重要的一点是估计随机误差项的方差。针对KNW估计方法中选取的固定窗宽没有与样本观测值相结合,导致估计误差较大这一问题,本文结合自适应N-W核回归估计方法的思想,在窗宽选择中针对不同的样本点采用不同的窗宽,提出了一种异方差估计方法―AKNW估计。实验结果表明,AKNW估计在充分保证模型拟合效果的前提下,提高了误差项方差估计的准确性。在数据变化范围较大时,AKNW估计误差普遍小于KNW估计,数值上相差最大可达0.494 1。同时,该方法用不同的核函数所得到的估计在数值上差异性较小。     

异方差的估计与实证

“异方差”是微观计量建模中不可回避的问题，尽管计量经济学理论从残差项出发给出大量的检验方法，但对如何估计异方差则没有给出明确答案。从数据分布出发，认为极大似然法在估计异方差方面具有独特的优势。首先建立异方差的极大似然估计模型，然后对一实际调查数据进行异方差估计。     

异方差的估计与实证

"异方差"是微观计量建模中不可回避的问题,尽管计量经济学理论从残差项出发给出大量的检验方法,但对如何估计异方差则没有给出明确答案.从数据分布出发,认为极大似然法在估计异方差方面具有独特的优势.首先建立异方差的极大似然估计模型,然后对一实际调查数据进行异方差估计.     

方差和协方差分析

C．P．唐卡斯特 等著本书是为生命科学工作者而写的统计学著作,主题是如何选取和构造适合生命科学研究需要的统计模型,作者从生命科学的角度讲述了方差和协方差分析技术（这是该领域数据分析的核心技术）和试验设计,讨论了各种标准模型,提供了表格、例子及有关资料,在统计理论和实际数据分析之间架设了一道桥梁。     

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.     

一种改进的基于正交表的异方差估计方法

线性回归模型中通常假设误差项具有相同的方差,然而在实际应用中,却不能保证这一假设成立,即误差项具有异方差性。这将使得利用普通最小二乘法得到的参数估计不是有效估计,此时无法对模型的参数进行显著性检验,预测精度也会降低,因此,对于异方差模型的处理以及误差项方差的估计是很有意义的。近年来提出的正交表方法给出了误差项协方差阵一个较好的估计。针对这一方法进行了改进,在已有的正交表方法中引入非参数估计,即在异方差形式未知的情况下,先利用正交表扩展模型,再用非参数的方法对各项方差给出估计。模拟结果与实例研究表明,提出的方法对误差项协方差阵的估计比原有的估计方法更加准确。     

基于估计方程估计的单指标模型异方差检验

针对单指标模型的异方差检验问题,将估计方程估计与完全非参方差函数检验相结合,给出了一种新的检验形式.利用估计方程法得到单指标模型中未知指标参数的估计值,再根据局部线性拟合给出单指标模型联系函数的估计形式,进一步由完全非参方差函数方法构造检验统计量,对模型进行异方差检验.数值模拟部分以检验统计量的经验水平和经验功效为评价指标,实验结果表明,基于估计方程估计比基于梯度外积估计和基于最小平均方差估计的完全非参方差函数检验方法更有效.实例分析部分采用汽车数据集,同样验证了这一检验方法的显著性.     

矢量传感器声源方位与噪声协方差阵联合估计

针对空域非均匀白噪声,通过矩阵变换估计噪声协方差矩阵,进而采用噪声预白化技术获取声源方位的最大似然估计,该方法避免了原最大似然算法加权参数选取的一维搜索过程,提高了算法效率;针对空域色噪声,利用噪声协方差矩阵的先验分布信息,结合噪声预白化技术,提出声源方位与噪声协方差矩阵迭代联合估计算法.仿真实验表明,空域非均匀白噪声背景下,与原最大似然估计方法相比,方位估计精度基本相同,但算法效率更高;空域色噪声背景下,与原最大似然估计方法相比,该方法提高了方位估计精度.     

负二项分布下参数的方差一致最小无偏估计及贝叶斯估计

本文利用充分完全统计量,给出了负二项分布下,总体均值μ和参数P的方差一致最小的无偏估计(UMVUE),特别当r=1时,给出了方差σ2的UMVUE,然后,再利用共轭先验分布给出参数P的贝叶斯估计,并在特殊情形下,对两种估计进行了比较。     

高维协方差矩阵估计方法的比较

通过模拟比较门限估计方法和收缩估计方法之间的差异,得出2种方法在实际应用中的使用范围.由模拟结果可知,若有确切的证据表明总体协方差矩阵是稀疏矩阵,则采用门限估计方法,否则,采用稳健的收缩估计方法比较恰当.     

关于误差方差估计中的一致余项级数的绝对收敛性

一、引言如所周知,如果X_1,X_2,…,i、i、d,EX_1=0,EX_1~2=σ~2<∞,则对任何—∞相似文献   

协方差阵的二次型估计的可容许性问题

设Y的分布为,即Y有密度函数其中X和V>0分别是已知的m×N和N×N阶矩阵,B和Σ>0分别是未知的p×m和p×p阶参数矩阵.本文限制在估计类?中讨论协方差矩阵Σ的估计的可容许性问题,所取的损失函数为??本文的主要结果有:(1)当m=n时,得到了Σ的估计YAY'在?中可容许的充要条件;(2)当m=1或BX=?时,得到了Σ的估计YAY'在?中可容许的充要条件;(3)当X=0时,得到了Σ的唯一的一个在?中可容许的估计;如果把损失函数改为??则在X=0时,存在着一簇Σ的在?中可容许的估计,其充要条件也被得到.本文主要利用凸集、凸函数和方向导数的有关性质,解决上述问题.这与以往文献所使用的方法有所不同,显得较为简单可行.     

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.     

协方差阵的二次型估计的可容许性问题

设Y的分布为N_p,N(BX,Σ,V),即Y有密度函数(2)_~(-1/2p~N)·|Σ|~(-1/2V)·|V|~(-1/2)p·etr{-1/2Σ~(-1)(Y-BX)V~(-1)(Y-BX)′},其中X和V>0分别是已知的m×N和N×N阶矩阵,B和Σ>0分别是未知的p×m和p×p阶参数矩阵。本文限制在估计类(?)={YAY~′:A》0}中讨论协方差矩阵Σ的估计的可容许性问题,所取的损失函数为L(d,Σ,B)=tr(d·Σ~(-2)-1)~2。本文的主要结果有: (1) 当m=n时,得到了Σ的估计YAY′在(?)中可容许的充要条件; (2) 当X=0或BX=η·1_p·1~′_N时,得到了Σ的估计YAY′在(?)中可容许的充要条件; (3) 当X=0时,得到了Σ的唯一的一个在(?)中可容许的估计;如果把损失函数改为L(d,Σ,B)=tr(d-Σ)Σ~(-2)(d-Σ),则在X=0时,存在着一簇Σ的在(?)中可容许的估计,其充要条件也被得到。本文主要利用凸集、凸函数和方向导数的有关性质,解决上述问题。这与以往文献所使用的方法有所不同,显得较为简单可行。     

基于异方差回归模型估计的算法及程序设计

本文利用牛顿迭代法研究了积性异方差回归模型的估计与群组异方差回归模型的估计,并设计了该算法的计算程序,作为它的应用,计算了积性异方差回归模型估计与群组异方差回归模型估计的两个实例.     

线性回归模型的稳健估计及异方差检验

将Huber函数引入线性回归模型的对数似然函数中,利用Fisher Scoring迭代法得到参数的稳健估计(M估计);在M估计的基础上,对模型进行异方差检验,建立Score检验统计量;最后用一组实际数据说明本文方法的有效性.