学科分类
/ 25
500 个结果
  • 简介:以提高估计的精度为目的,定义了一种新的多个辅助变量的回归估计法,从理论上研究了该方法下权的选取方法,并将该方法下的估计与Raj多辅助变量回归估计、Ghosh多元线性回归估计在精度上进行了数值比较,结果表明:这种新的多辅助变量的回归估计法在精度上优于Raj多辅助变量回归估计和Ghosh多元线性回归估计

  • 标签: 多辅助变量 线性组合 回归估计
  • 简介:在使用样本轮换的连续性抽样调查中,不仅可以利用前期调查的研究变量的信息,还可使用现期调查的辅助变量信息来建立回归模型进行回归估计,进而构造回归组合估计,并在此基础上确定最优样本轮换率和最优权重系数,使得回归组合估计的方差最小,从而更大程度地提高连续性抽样调查的估计精度。

  • 标签: 连续性抽样 样本轮换 辅助变量 回归组合估计量
  • 简介:对于两个相依线性回归方程组成的系统(1.1),本文提出了β1的待定系数估计β^*1(k,c)=(x′1x1+k1)^-1(x′1y1-cσ12/σ22x′1N2y2),其中岭参数k≥0.c是待定系数.与β^*1(k,c)对应的非限定两步估计记为β^41(T,k,c).当c=1时β^*1(k,1)=β1(k)和β^*1(T,k,1)=β1(T,k)等干[6]引入的一双有偏估计,结果表明总可以选取适当的c值和k值使β^*1(k,c)和β^*1(T,k,c)在均方误差阵准则下分别优于β1和β1(T),并讨论了c值的最佳选择问题.

  • 标签: 待定系数 两步估计 回归系数 有偏估计 均方误差 岭参数
  • 简介:空间自回归模型是空间计量经济学中处理空间相关性时常用的一类回归模型,本文主要考虑到自变量存在多重共线性时,空间自回归模型的参数应该如何估计。在主成分分析以及极大似然估计方法的基础之上,建立了一类针对模型未知参数的有偏估计,从而减少多重共线性对于模型求解的影响。本文引入数值模拟部分,说明了主成分估计方法对于处理多重共线性问题的有效性,同时引入波士顿房价数据实例,进一步验证了当多重共线性出现时,有偏估计结果较之极大似然估计更为合理。

  • 标签: 空间自回归模型 多重共线性 极大似然估计 主成分估计
  • 简介:对于一类相依线性回归系统,本文提出了一种泛岭改进估计,并讨论了这种估计及相应的两步估计的优良性质,获得了若干深入的结果。

  • 标签: 两步估计 优良性 线性回归 性质 系统
  • 简介:摘要回归方程的建立以及回归参数的最优估计一直是统计学研究的重点,更加快速准确地读取数据中的信息在这个高速发展的社会中显得尤为重要。本文将运用R软件对现实生活中的实例进行分析,为读者展现R软件在回归方程问题解决上的优越性。

  • 标签: R软件 回归方程 回归参数
  • 简介:针对半参数回归模型求解过程可能出现的法方程病态问题,提出了用岭估计原则改进半参数模型的求解。通过模拟算例将岭估计解法和其他方法进行了比较,结果表明,岭估计解法能较好地解决半参数回归模型求解过程中的病态问题。

  • 标签: 半参数回归 病态 岭估计
  • 简介:采用有偏估计B∧(k)=[(X′X)-1-k(X′X)-2]X′Y估计多元线性模型中的回归系数B,通过k值的选取,可使β∧(k)=Vec[B∧(k)]的均方误差MSE小于β=Vec(B)的LS(最小二乘)估计β的MSE.

  • 标签: 多元线性模型 最小二乘估计 均方误差
  • 简介:考虑一般的分块半相依线性回归(SUR)模型及其相应的简约模型,给出简约模型下未知回归系数及其可估函数的协方差改进估计仍是分块SUR模型下相应参数的协方差改进估计的一个充要条件.

  • 标签: 分块半相依线性回归漠型 简约模型 协方差改进估计
  • 简介:时间延迟估计是现代数字信号处理领域中一个研究热点.在介绍相关时延估计的基础上、重点分析和讨论了基于互累积量时延估计和基于双谱时延估计,并与相关时延估计进行了比较.通过理论分析和实验仿真.得出了基于高阶统计量时延估计方法在对实际含有高斯噪声时间序列信号的估计中具有时延估计精度高.相对误差小.对高斯噪声的消除能力强等优点.

  • 标签: 时延估计 互相关 互累积量 双谱 高阶统计量
  • 简介:利用矩阵广义逆的有关性质,研究了一般线性回归模型设计矩阵Xnxp非列满秩时回归参数β的可估计性,并给出了回归参数卢的某些线性函数c^Tβ可估计的充要条件.

  • 标签: 回归模型 最小二乘估计 可估计性
  • 简介:高斯过程机器学习是基于严格的统计学习理论而新发展的方法,该方法在求解小样本、高维数的非线性问题上具有一定的适应性.针对采用直接蒙特卡洛方法进行功能函数计算代价较高的结构可靠度分析时计算效率过低的瓶颈问题,提出了一种基于高斯过程回归模型的直接蒙特卡洛模拟方法.该方法利用有限元等数值方法构造少量的学习样本,通过学习后的高斯过程回归模型重构隐式功能函数,直接建立随机变量与功能函数值的映射关系,进而结合直接蒙特卡洛方法推求结构的失效概率与可靠指标.算例研究表明,该方法简单易行,与传统蒙特卡洛模拟法相比较,计算效率明显较高,且易于与各种工程结构分析程序或商业计算软件相结合.

  • 标签: 结构可靠度 失效概率 蒙特卡洛法 高斯过程 有限元法
  • 简介:四旁树分布在村前屋后、草垛、水面等各个角落,然而却是平原地区森林资源调查的一个主要对象。本文借助南通县1986年森林资源调查(二类调查)成果,讨论双重回归估计在四旁树调查的精度,来说服“能提高工作效率,不能保证精度”的论点。

  • 标签: 森林资源调查 回归估计 二类调查 平原地区 样本平均数 村前
  • 简介:在多元线性回归模型参数估计中,采用普通最小二乘法,必须在遵循经典的假定的条件之下才具有良好的性质,在违背基本假定的情况下,比如存在异方差和序列相关时,最小二乘法将不再是最佳的线性无偏估计。而在放宽经典的假设之下,应用极大似然估计法和矩估计法仍然得到了与普通最小二乘法相同的结果。

  • 标签: 多元线性回归模型 最小二乘法 极大似然估计法 矩估计法
  • 简介:对于存在测量误差的面板数据自回归模型,首先讨论了POLS(PoolingOLS)和LSDV(leastsquareofdummyvariable)估计存在向零的衰减偏差及其非一致性,其次对于混合自回归模型和个体固定效应自回归模型给出了工具变量应满足的条件。研究发现这时工具变量的选择是十分困难的。

  • 标签: 测量误差 面板自回归模型 工具变量估计
  • 简介:考虑半参数回归模型Y(j)(xin,tin)=tinβ+g(xin)+e(j)(xin),1≤j≤m,1≤i≤n.利用最小二乘法和权函数估计方法,定义β,g的估计βm,n和gm,n(x),在负相依样本及较弱的条件下证明了这些估计的强相合性,得到了与独立情形一致的结论.

  • 标签: NA相协样本 半参数回归模型 强相合性
  • 简介:在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,为此提出了引入Elman神经网络.描述了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比.最后以INS/GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计.仿真结果证明了该法的有效性和实用性.

  • 标签: 组合导航系统 神经网络 卡尔曼滤波 状态估计
  • 简介:摘要:随着我国社会经济的高速发展,计量检测设备的应用频率越来越广泛。本文首先分析了传统计量检测仪器存在的问题,其次提供了自动计量检定系统概述。最后通过多元化的方式减少无线电计量中误差界的精准估计

  • 标签: 无线电 计量 误差 策略 研究