一种基于N-W估计的异方差估计方法

在异方差的构成形式未知时,可以利用非参数方法给出方差较为精确的估计,进而估计未知参数,并对模型做出有效预测和拟合。本文基于N-W估计,提出了一种新的异方差估计方法(KNW方法),通过模拟实验和实例分析将这一方法与已有的异方差估计方法进行比较,证明该方法是有效的。模拟实验结果表明,不同的核函数在方差的核估计及模型的预测和拟合方面,差异性较小。

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。

基于局部多项式方法的异方差估计

解决异方差问题的关键是对随机误差项的方差做出有效性估计.一般地,异方差分布形式未知时,非参数估计的效果较好.因此,本文在异方差模型的估计中引入了局部多项式的非参数方法,提出了一种新的异方差估计方法.同时,通过计算机模拟实验和城市流动人口实地调查的案例分析将本文提出的方法与已有的异方差估计方法进行了比对,并进行了有效性验证.