非参数计量经济联立模型的局部线性两阶段最小二乘估计

联立方程模型在经济政策制定、经济结构分析和经济预测方面起重要作用。本文在随机设计 (模型中所有变量为随机变量 )下 ,提出了非参数计量经济联立模型的局部线性两阶段最小二乘估计并利用概率论中大数定理和中心极限定理在内点处研究了它的大样本性质 ,证明了它的一致性和渐近正态性。它在内点处的收敛速度达到了非参数函数估计的最优收敛速度。

局部平稳扩散模型中时变参数的加权最小二乘估计

基于离散观测样本,利用局部线性拟合,得到了局部平稳扩散模型中时变漂移参数的加权最小二乘估计,并讨论了估计量的相合性,渐近正态性和一致收敛速度.同时,通过模拟研究说明了估计量的有效性.

广义最小二乘估计的局部影响分析

利用广义影响函数和广义Cook统计量来研究相依线性回归模型中 ,各种不同扰动形式对参数 β的广义最小二乘估计的局部影响 ,得到了各种扰动形式下关于 β的局部影响度量 .

基于正交最小二乘估计的非线性时间序列的预测

在对非线性时间序列的短期预测中经常采用局部线性化的预测算法 ,原有的算法使用普通最小二乘法 (LS)估计近似线性模型的参数。对于存在噪声的数据 ,该算法的数值稳定性较差。本文在对非线性空间进行局部线性化的基础上 ,采用正交最小二乘方法 (OLS)对线性模型同时进行结构选择与参数辨识 ,改善了数值的病态特性 。

基于稳健加权总体最小二乘的变压器局部放电定位

到达时间差、声速与传感器位置坐标的测量误差将导致局部放电时差定位出现误差,通过研究发现变压器的内部结构及各部分的材质差异可能造成到达时间差以及声速的测量值可能远远偏离真实值,这种测量误差被称作粗差,但目前的局部放电定位算法未将数据测量误差纳入模型,使得现有定位算法在计及测量误差特别是粗差的情况下,定位误差较大难以满足工程要求。为此,分析了局部放电测量数据粗差的来源及现有定位算法的缺陷,提出了基于稳健加权总体最小二乘的局部放电定位算法,采用含误差变量模型推导迭代公式,运用权函数修改含粗差数据在迭代过程中的权重,能够有效抑制测量数据的随机误差、系统误差和粗差对定位结果的影响,能更为准确地定位局部放电,有助于制定针对性的检修策略,提高检修效率,缩短停电时间。

基于迭代重赋权最小二乘算法的块稀疏压缩感知

压缩感知是一种新颖的信号处理理论.它突破了传统香农采样理论对采样的限制,以信号的稀疏性或可压缩性为基础,实现了信号的高效获取和精确重构.然而在现实中,部分稀疏信号还表现出一些其他结构,典型的例子就是一类块稀疏信号,其非零元素以块的形式出现.针对这类信号,本文研究了求解块稀疏压缩感知的迭代重赋权最小二乘算法(IRLS),给出了该算法的理论分析:误差估计和局部收敛性分析.大量试验验证了基于迭代重赋权最小二乘算法的块稀疏压缩感知策略的有效性.

回归系数的局部根方有偏估计

线性回归模型中回归系数β的估计常用最小二乘估计（ＬＳＥ）。当自变量间存在多重共线性关系时，最小二乘估计就失去了它的优良性。文提出了一种局部根方估计，证明了它的种种优良性。如容许性、相合性、Φ优良性、优效性及其对最小二乘估计抗干扰性的改进。给出了在均方误差（ＭＳＥ）准则和Ｐｉｔｍａｎ靠近准则下该估计对通常根方估计和ＬＳＥ改进的范围。

资产定价模型中β系数的局部加权估计

在资产定价模型的中,通常采用一般线性回归方法对系数进行估计,但实证数据中,由于资产的期望收益与系数之间未必存在严格的线性关系,往往会导致估计值的不精确。作为对这种估计方法的一种修正,文章利用了局部加权最小二乘估计方法对模型中的系数β进行估计,并对局部权系统的决定问题进行了相关的探讨。由于放松了系数线性性的假定,使得估计值更适应实际数据的变化规律,该方法也为风险管理者提供了一种可供选择且较为实用的数理工具。

局部平稳短期利率扩散模型的半参数估计

主要研究局部平稳扩散模型的半参数估计.首先,基于局部常数拟合,利用局部加权最小二乘法得到了漂移参数函数的估计量.同时,通过Kolmogorov向前方程,得到了扩散函数的估计量.然后,分别讨论了所得估计量的相合性和渐近正态性.最后,通过模拟研究说明了估计量的有效性.

部分线性变系数测量误差模型的约束Liu估计

本文考虑部分线性变系数测量误差模型的估计问题,同时考虑线性部分自变量存在多重共线性和线性部分存在约束条件时两种情形,基于校正的profile最小二乘技术与Liu估计方法,分别构造了未知参数分量的Liu估计和约束Liu估计,并研究了所提估计量的渐进性质。

移动最小二乘支持向量机

基于移动最小二乘逐点逼近思想,移动权被引入到最小二乘支持向量机的误差变量中,得到新算法的模型.此外,证明了用移动最小二乘支持向量机作函数估计与在特征空间中用移动最小二乘法得到的解是一致的,揭示了移动最小二乘支持向量机所选择的核函数相当于移动最小二乘法所选择基函数组.数值试验与实例进一步验证所提出方法的优越性.

模拟退火算法及其在非线性地学模型参数估计中的应用

分析了目前地理学研究中进行非线性模型参数估计的一些方法的局限 ,介绍了模拟退火算法的原理及基于 Metropolis准则的算法 ,进行了实例的应用研究 .研究结果表明 ,模拟退火算法是估计非线性模型参数的一种有效算法 ;

一种局部多项式时空地理加权回归方法

基于加权最小二乘估计的时空地理加权回归方法,在随机项方差相同且最小的假设条件下估计回归参数和拟合值,由于没有考虑时空分析中异方差影响而导致估计结果存在一定偏差。局部多项式估计是一种消除异方差影响的非参数估计方法。本文在局部多项式估计原理基础上,提出了局部多项式时空地理加权回归方法。它是采用三元一阶泰勒级数展开式重构时空回归系数和自变量矩阵,进而建立满足高斯-马尔可夫独立同分布假定要求的新模型,利用新模型回归系数估计值、拟合值以及新模型与原模型的关系,可得到原模型回归系数估计值和拟合值。本文采用模拟数据和真实数据进行试验,以GTWR与局部线性地理加权回归作为对比方法,从方法适用性、整体估计效果、回归系数估计偏差和拟合优度、整体估计偏差等方面分析了LPGTWR方法性能,有效证明了LPGTWR方法能消除异方差影响提升估计精度。

部分线性变系数模型的随机约束岭估计

作为变系数模型和部分线性模型的推广,部分线性变系数模型近年来得到越来越多的关注.本文考虑该模型在线性部分自变量存在多重共线性并且参数分量附加有随机约束条件时的估计问题.基于profile最小二乘技术以及岭估计和混合估计方法,构造参数分量的profile混合岭估计,并且研究所提估计量的渐近性质.最后利用数值模拟验证所提估计方法的有效性.

参数可加模型的Liu估计

文章研究半参数可加模型在线性部分自变量存在多重共线性时的估计问题,分别基于Profile最小二乘方法和Backfitting方法构造了参数分量的Liu型估计。当模型参数分量附加线性约束条件时,给出了对应的约束Liu型估计。

部分线性变系数EV模型估计的渐近正态性

研究非参数部分带有测量误差(EV)的部分线性变系数模型,综合局部纠偏方法和Profile最小二乘估计方法定义了模型中未知参数和系数函数的估计,并在适当条件下证明了它们的渐近性质,最后通过数值模拟研究了所提估计方法在有限样本下的实际表现。

部分线性变系数模型中误差方差的估计(英文)

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类在建模中应用非常广泛的模型.本文基于Profile最小二乘方法给出了模型中误差方差的估计并证明了该估计的渐近正态性.最后通过数值模拟验证了我们所提估计方法的有效性.

纵向数据半参数回归模型的估计方法

本文考虑纵向数据半参数回归模型,通过考虑纵向数据的协方差结构,基于Profile最小二乘法和局部线性拟合的方法建立了模型中参数分量、回归函数和误差方差的估计量,来提高估计的有效性,在适当条件下给出了这些估计量的相合性.并通过模拟研究将该方法与最小二乘局部线性拟合估计方法进行了比较,表明了Profile最小二乘局部线性拟合方法在有限样本情况下具有良好的性质.

部分线性可加模型的随机约束Liu估计

研究了部分线性可加模型在参数部分附加有随机约束条件且存在多重共线性时的估计问题.文中基于Profile最小二乘方法、混合回归估计和Liu估计方法,提出了参数分量的Profile混合Liu估计,给出了估计量的偏和方差,并讨论了其渐近分布.

基于非参数平滑的OFDM系统信道估计算法

研究了双衰落信道下正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中信道估计的非参数方法。提出的方案首先利用梳状导频或散布导频和最小二乘算法估计出导频处的信道频率响应并进行简单的分段线性插值,然后用基于非参数统计方法的Savitzky-Golay平滑滤波器对插值后的信道估计值进行非参数平滑。与传统信道估计算法相比,算法大大降低了信道估计的均方误差、系统的误符号率和计算复杂度,运算量仅正比于有效子载波数,且对多普勒频移具有很强的鲁棒性。数值仿真结果证明了上述结论的正确性。统计检验结果表明,该算法在最小二乘意义下是最优的。