半参数空间变系数回归模型的两步估计方法

文章首先介绍了部分回归模型、空间变系数模型及估计方法等相关理论知识。通过对以前所研究的半参数模型,将单个自变量非线性函数与空间变系数模型进行有效组合,提出了半参数空间变系数回归模型两步估计方法,并从试验设计、模拟试验结果分析两个方面入手,对该估计方法运用效果进行模拟,结果具有较高的可靠性和稳定性,实现了对常值系数的有效计算和估计,为相关人员提供有效的借鉴和参考。

二元逻辑回归模型中的一阶近似刀切修正岭型估计

在二元逻辑回归模型中,基于一阶近似修正岭型估计方法和刀切法提出了一类新估计,即一阶近似刀切修正岭型估计,探讨得到了新估计在均方误差等准则下优于一阶近似修正岭型估计、一阶近似极大似然估计的充分条件,同时通过数值模拟和实证分析对部分理论结果进行了说明,结果显示,当满足理论结果中的条件时,一阶近似刀切修正岭型估计在相关准则下优于一阶近似修正岭型估计、一阶近似极大似然估计。

如何用经验Logistic回归方法估计Rasch模型中参数

将经验Logistic回归方法用于项目反应理论中Rasch模型的参数估计 ,通过蒙特卡洛模拟表明这种方法对项目参数的估计较好 。

改进的差分自回归移动平均模型的共轭梯度参数估计法

为了提高差分自回归移动平均模型的拟合精度,本文结合已有的文献,借助无约束优化方法来解决此模型中的参数估计问题。主要提出了一种改进的差分自回归移动平均模型参数的优化估计法,并对提出的算法进行详细说明,在强Wolfe条件下对全局收敛性进行了证明。该方法保证了迭代计算的收敛性,并且提高了收敛的速度。数值试验结果说明:该算法是一种较为有效的方法,与其他方法比较,参数估计值更为显著,提高了预测精度。

半参数空间变系数回归模型的两步估计方法及其数值模拟

文章提出了关于半参数空间变系数回归模型的两步估计方法,该方法可得到模型中常值系数估计量的精确解析表达式,广泛的数值模拟表明所提出的估计方法对估计常值系数具有满意的精度和稳定性。

基于连续比例Logistic回归模型的贝叶斯判别分析

针对传统贝叶斯判别分析方法处理实际问题的局限性,提出一种基于连续比例Logistic回归模型的贝叶斯判别分析方法.首先基于连续比例Logistic回归模型建立半参数密度比模型,通过经验似然法估计模型的参数,并使用贝叶斯定理计算后验概率进行分类预测.然后对比新方法与传统方法的回判正确率,统计模拟表明当总体数据符合正态分布时,2者判别能力相当,否则,提出的新方法能够更好地判别不同的数据特征.最后运用新方法分析真实的数据集,验证了新方法在分类预测中的准确性和稳健性,与传统方法相比,更适用于实际应用中多元分类问题的建模和预测.

OLS与ML:回归模型两种参数估计方法的比较研究

最小二乘法(OLS)和最大似然法(ML)是回归模型参数估计的两种最重要的方法。 但二者有着明显的差别,本文就二者之间的有关差别进行比较。

半参数回归模型的累积法——非参数估计基于小波光滑

考虑半参数回归模型yi=XTiβ +s(ti) +εi (i=1 ,… ,n)其中噪声序列εi不独立。在非参数分量s(ti)基于小波光滑的情况下 ,用累积估计的方法 ,得到了参数 β和非参数s(ti)的估计量 ;

回归模型参数估计的预选条件法及其应用

对于一个线性模型和八个可线性化的非线性模型,依据分析回归模型建立的预选条件的过程,获得了在预选条件满足时模型参数的预选条件法估计公式.

自回归模型参数的经验Bayes估计

用核估计的方法，构造了自回归模型ＡＲ（ｐ）的参数的一种经验Ｂａｙｅｓ（ＥＢ）估计，证明了这种估计的渐近最优性。模拟计算表明，该估计不仅优于古典估计方法。

复合函数自回归模型参数估计预选条件法及其应用

目的:通过建立复合函数自回归模型分析南通市孕产妇死亡率;方法:复合函数自回归模型参数估计的预选条件法;结果:依据分析复合函数自回归模型建立的预选条件的过程,获得了在预选条件满足时复合函数自回归模型参数的预选条件法估计公式,通过实例应用预选条件法建立复合函数自回归模型,并与最小二乘法建立的复合函数自回归模型进行比较:预选条件法建立模型的残差平方和比最小二乘法小,模型更可靠;结论:孕产妇死亡率模型为用预选条件法建立的复合函数自回归模型.

自回归模型参数估计预选条件法及其应用

依据分析自回归模型(线性自回归模型和8个可线性化的非线性自回归模型)建立的预选条件的过程,获得了在预选条件满足时模型参数的预选条件法估计公式,通过实例应用预选条件法建立自回归模型,并与最小二乘法建立的自回归模型进行比较,结果发现:预选条件法建立模型的残差平方和比最小二乘法小,模型更可靠.

利用逐步回归方法建立浮选经验模型

介绍用逐步回归方法建立浮选经验模型的方法,并以大屯选煤厂的实际生产资料为例,建立起几种影响因素与精矿灰分间的回归方程。由于这种经验模型精度较高,因而具有较大的实用价值。

应用自回归模型处理EMD方法中的边界问题

提出了一个“边筛分,边延拓”的边界处理方法,利用自回归(AR)模型对一个给定信号的两端进行延拓,较好地处理了经验模态分解(EMD)方法中的信号边界问题,实现了准确的EMD分解.

关于Logistic增长模型参数估计方法的再探讨

对于Logistic增长模型N=K/(1+ea-rt)中的三个常数K、r和a,绝大多数拟合方法均将其作为三个独立参数来估计,这样不仅使拟合得到的理论初值N?0与实测初值N0不等,而且可能明显影响K和r的估计结果。文章对利用线性化方法拟合Logistic模型进行了再探讨,给出了一种估计参数K、r和a的新方法并证明了其合理性。

可加模型中参数的经验欧氏似然估计

可加模型是参数设计中一个非常重要,实用的模型。本文讨论了可加模型中参数的经验欧氏似然估计及其性质,并给出了一种与参数的经验欧氏似然估计渐近等效的加权LS估计,最后分析了一个数值例子。

基于多元线性回归模型参数估计的等价性证明

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量。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。

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 。

GARCH模型的经验似然估计

以计量经济学中ARCH模型族为背景,对GARCH模型进行讨论和研究。讨论了基于GED分布的β-ARCH模型和GARCH模型的经验极大似然估计的求解方法,得到了相应的平稳模型的大样本性质定理。

线性模型中参数向量的线性经验Bayes估计

本文利用线性经验Ｂａｙｅｓ估计的思想，对线性回归模型中未知参数向量构造了一类线性经验Ｂａｙｅｓ估计，并在一定条件下证明了其具有的ａ．ｏ．收敛速度．