估计标准误差公式的修正

回归方程的一个重要作用在于根据自变量的已知值来推算因变量的估计值。回归方程的代表性如何一般是根据估计标准误差Ｓｙ来检验的。估计标准误差的计算方法有两种：一种是根据估计标准误差的定义来计算的,即：Ｓｙ＝∑（ｙ－＾ｙ）２ｎ－２①,另一种是根据总变差的分解...     

线性回归方程系统中参数估计的相对效率比较

文章讨论了在线性回归方程系统中,相同参数在不同准则下的相对效率以及相对效率的性质,并对各相对效率的上、下界进行了讨论和证明.     

线性模型中混合估计与最小二乘估计的新相对效率

文章讨论了当线性模型有一定的附加信息时,回归系数的混合估计与最小二乘估计的相对效率问题;在误差矩阵为正定矩阵时,给出了一种新的相对效率,并导出了它的上界.     

一元线性回归系数联合置信区域的计算

（一）考虑线性回归模型ｙｉ＝β０＋β１Ｘｉ＋ｅｉ（ｉ＝１,２,…,ｎ）,其中随机扰动项ｅ１、ｅ２、…ｅｎ为独立同Ｎ（０,σ２）分布的随机变量（σ２＞０）,记Ｘ－＝１ｎ∑ｎｉ＝１Ｘｉ,Ｙ－＝１ｎ∑ｎｉ＝１Ｙｉ,由最小二乘法可知,其回归直线方程为ｙ＾＝β＾０＋β＾１ｘ,其中β＾１＝ｌｘｙｌｘｘ＝∑ｎｉ＝１（ｘｉ－ｘ珋）（ｙｉ－ｙ珋）∑ｎｉ＝１（ｘｉ－ｘ珋）２β＾０＝ｙ珋－β＾１ｘ珋在上述条件下,有以下定理成立：定理：设线性回归模型为ｙｉ＝β０＋β１Ｘｉ＋ｅｉ,模型中各变量满足上述条件,则在置信水平１…     

基于最佳线性无偏估计的模型权数的小域估计

文章介绍了一种基于EBLUP的模型权数的小域估计方法.这种估计方法一方面使小域的目标估计量是加权线性组合,从而使估计过程以及均方误的估计更加简单;另一方面得到的估计量不依赖于模型的假定,是一种稳健的估计量.文章还通过一个简单的模拟案例说明了这种估计量的稳健的性质,说明这种估计方法是一种非常符合实际调查情况的小域估计方法.     

一元线性回归分析中三种检验的等价性研究

在研究两个变量是否线性相关时,要对线性相关系数进行统计检验;在建立线性回归模型时,既要对回归模型中的参数进行统计检验,又要对模型本身进行统计检验。然而,在一元线性回归分析中,尽管对变量线性相关性的检验、模型参数和模型本身检验的目的各不相同,所选统计量也不同,但是,三种检验却具有检验效果的等价性。文章将对此进行研究、证明。     

一元线性回归中的相关系数与回归直线斜率探讨

一元线性回归是研究两个变量之间的非确定关系的一种数据分析方法.在经济学、社会学等领域有着广泛的应用.只有我们对相关系数与回归直线斜率的计算方法、它们各自的含义及其相互关系有一个清楚的理解,我们才能真正把握一元线性回归方法的核心思想.     

一元线性回归模型中参数估计的几种方法比较

文章介绍了一元线性回归模型中参数估计的最小二乘法、最小一乘法、全最小一乘法的意义,并指出了他们的优缺点。在对具体模型进行参数估计时,分别将最小一乘法、全最小一乘法的计算转化为线性规划问题及非线性优化问题,最后利用优化软件LINGO计算相应的参数。     

回归估计标准误差与可决系数的比较

一、问题的提出在统计学课程中,估计标准误差(S)和可决系数,又称为决定系数(R2)两个指标,容易混淆。我们知道,总体方差σ2是一元(或多元)线性回归模型的一个未知参数,也就是总体随机误差项的方差σ2,它可以反映理论模型误差的大小,是检验模型时必须利用的一个重要参数,但由于随     

纵向数据部分线性模型的估计方法

本文首先讨论了纵向数据部分线性模型yij=xijβ+g(tij)+eij的可行广义最小二乘估计方法及其估计的渐近性质,然后通过统计模拟研究表明我们的估计方法在有限样本情形也有良好的效果.由该方法获得的估计量具有显示解,计算简便,便于实际应用.     

局部线性估计中的多重共线性问题

各解释变量之间存在多重共线性是现实中很普遍的现象。本文对局部线性估计多重共线性问题进行了讨论,发现多重共线性造成局部线性估计精度下降的原因,并提出了一个补救方法:当变量之间高度相关时采用主成分回归可以有效提高估计精度。本文还通过模拟的方式证明了此方法的有效性。     

线性GMDH参数模型的无偏估计研究

 多元线性回归分析中,参数无偏性是参数估计方法的一个重要指标。本文对线性GMDH参数模型建立多元线性模型进行了研究,得到以下结论：一,在满足经典线性回归模型的假设条件下,其参数估计量具有无偏的性质;二,在满足其它假设条件下,可以在样本量少于待估参数的情况下建模,估计的参数也是无偏的;三,用参数GMHD方法建模时,它对完全多重共线性是免疫的。     

分层线性模型的最大后验估计

最大后验估计（MAPE）和最大似然估计（MLE）都是重要的参数点估计方法。在介绍一般分层线性模型（HLM）MAPE方法的基础上,给出这种方法的期望最大化算法（EM）的具体步骤,运用对数似然函数的二阶导数推导了MAPE估计的方差估计量。同时运用数据模拟比较了EM算法下的MAPE和MLE。对于固定效应的估计,两种方法得到的估计量是一致的。当组数较少时,EM计算的MAPE的方差协方差成分比MLE的更靠近真实值,而且MAPE的迭代次数明显小于MLE。     

偏度系数的近似线性贝叶斯估计

在概率统计中,偏度系数反映了随机变量的密度曲线的对称特征.由于偏度系数涉及到分布的前三阶矩,因此得到好的估计有一定的难度.文章建立贝叶斯模型,对偏度系数提出近似线性贝叶斯估计,并在多条数据结构下,对先验分布的超参数提出合适的估计,得到偏度系数的经验贝叶斯估计.     

混合系数线性模型参数的t-s-K估计

混合系数线性模型在实际问题中有着广泛的应用背景,如经济分析、可靠性退化分析以及生物学等领域,因此对该模型的研究无论从理论还是从应用角度都是十分重要和必要的。在研究连续测量数据情况下混合系数线性模型的参数估计问题的基础上,利用压缩估计方法给出该模型的一类有偏估计,并研究新估计的一些优良性质,在一定条件下证明此类估计优于s-K估计。     

纵向可加部分线性测量误差模型的渐近估计

基于纵向数据,研究参数部分协变量含有测量误差的可加部分线性测量误差模型的估计问题,提出了用于模型估计的偏差修正的二次推断函数方法,得到参数部分的估计结果具有相合性、渐近正态性,非参数可加函数的估计结果达到最优收敛速度。数值模拟和实例数据分析结果显示,该模型估计方法在同等条件下要优于广义估计方程方法。理论和数值结果显示,偏差修正的二次推断函数可以有效地处理测量误差和个体内相关性,是一个有效的纵向数据和测量误差数据分析工具,具有一定的理论和应用价值。