随机限制s-K估计和主成分s-K估计的研究

发布时间：2017-11-03 02:00

  本文关键词：随机限制s-K估计和主成分s-K估计的研究

  更多相关文章： 参数估计 复共线性 有偏估计 自相关 随机限制s-K估计 主成分s-K估计 均方误差阵

【摘要】：线性模型是数理统计中一类基本模型,因其丰富的内容,普遍的应用,成为当代统计学中一个重要的研究分支.而对参数估计的讨论又是研究线性模型的一项基本工作.克服线性模型的复共线性问题一直是统计学研究的热点,常用的方法是使用有偏估计.然而,线性模型中的自相关问题也不容忽视.目前,同时解决自相关和复共线性问题的研究越来越受重视.本文研究了线性模型中的随机限制s-K估计和主成分s-K估计.得到了各新估计量优于其它估计量的充要条件,并给出了数值模拟.全文分为四章,第一章简述了有偏估计的背景和研究进展,介绍了相关的预备知识.第二章提出了线性模型中一类新的随机限制s-K估计,并给出了均方误差矩阵比较.第三章介绍了相依误差线性模型中的随机限制s-K估计,同时给出了新估计量优于其它估计量的充要条件.第四章,提出了相依误差线性模型中的主成分s-K估计,并证实了新估计量在均方误差阵标准下的优良性.
【关键词】：参数估计 复共线性 有偏估计 自相关 随机限制s-K估计 主成分s-K估计 均方误差阵
【学位授予单位】：安徽师范大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：O212.1
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-12
• 1.1 引言9-10
• 1.2 几个重要引理10-12
• 第二章 线性模型中一类新的随机限制s-K估计12-21
• 2.1 模型和新随机限制s-K估计的定义12-14
• 2.2 均方误差矩阵比较14-16
• 2.3 数值模拟16-21
• 第三章 相依误差线性模型中的随机限制s-K估计21-29
• 3.1 模型和新估计的定义21-23
• 3.2 均方误差矩阵比较23-25
• 3.3 数值模拟25-29
• 第四章 相依误差线性模型中的主成分s-K估计29-39
• 4.1 新估计量的定义29-31
• 4.2 均方误差矩阵比较31-34
• 4.3 数值模拟34-39
• 参考文献39-43
• 致谢43-44
• 附录：硕士期间完成的学术论文44

【相似文献】

中国期刊全文数据库 前10条

1 沈菊红;;预测农民收入的主成分回归模型[J];安徽农业科学;2008年24期

2 姜信君;佟瑞洲;;大气污染主成分回归预报模型及试报分析[J];辽宁大学学报(自然科学版);2010年02期

3 叶宗裕;;主成分回归能消除多重共线性吗?[J];统计与信息论坛;2012年03期

4 王松桂,林春土;主成分的最优性质[J];科学通报;1984年08期

5 王传华;;主成分回归在全国畜产品管理决策中的应用[J];预测;1989年03期

6 胡虎肇;;基于主成分回归模型的福建省农民增收因素分析[J];台湾农业探索;2010年02期

7 吴利丰;刘思峰;方志耕;;基于新信息优先主成分回归的多参数复杂装备费用预测[J];中国管理科学;2012年S1期

8 朱广萍;主成分回归的主成分选择准则[J];西南民族学院学报(自然科学版);2002年01期

9 李纲;;基于主成分回归的黄金趋势分析[J];现代矿业;2010年04期

10 王琼;卢润德;;基于主成分回归的信息产业创新能力测度[J];科技广场;2014年02期

中国重要会议论文全文数据库 前2条

1 吴利丰;刘思峰;方志耕;;基于新信息优先主成分回归的多参数复杂装备费用预测[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年

2 俞慧强;戈早川;周彤;;主成分回归在分光光度法同时检测多种物质中的应用[A];面向21世纪的科技进步与社会经济发展（下册）[C];1999年

中国硕士学位论文全文数据库 前10条

1 郭媛媛;基于核主成分回归的多重共线性消除问题研究[D];河北联合大学;2014年

2 许馨文;基于主成分回归模型的酒店装饰项目成本预测[D];昆明理工大学;2015年

3 杜洁;回归分析在糖尿病诊断中的应用[D];北京理工大学;2015年

4 孟庆琰;基于近红外光谱技术马铃薯全粉品质的检测研究[D];宁夏大学;2015年

5 周玲;随机限制s-K估计和主成分s-K估计的研究[D];安徽师范大学;2015年

6 姜扬;聚类和主成分回归在经济指标数据中的应用研究[D];吉林大学;2010年

7 李立科;核主成分回归方法在特征提取和预测方面的研究及其在医学中的应用[D];山西医科大学;2010年

8 刘伟新;主成分回归中异常点的诊断和处理[D];山西医科大学;2006年

9 刘剑利;聚类分析和主成分回归在工业统计数据中的应用[D];吉林大学;2014年

10 韩丽香;稳健主成分回归方法在GDP数据可靠性评估中的应用[D];兰州商学院;2013年

，

本文编号：1134110