线性回归模型中极大似然估计的若干性质

发布时间：2021-04-07 04:36

　　在统计学发展的历史大潮里,回归模型是一种较早提出,并且理论知识较完善、应用性能有其独特魅力的统计模型,也正因为解决实际问题的需要,回归模型一直处于不断发展进步中。而线性模型也是较早应用统计学概念的统计学对象,它包括线性回归模型、方差分析模型、协方差模型、实验设计模型、随机混合效应模型、广义线性模型（GLM）。因此研究统计学问题应先以基础而重要的线性回归模型为切入点,线性回归模型是利用回归分析来确定两种或两种以上变量间相互依存的定量关系的一种统计模型,适用十分广泛,而在这类问题的研究中参数估计是一个焦点问题,它是研究其它统计学问题的基础,目前线性回归模型中参数估计方法中应用最多的就是Maximum likelihood estimation method（极大似然估计MLE）,MLE是建立在极大似然原理基础上的一个参数估计方法,并且所得到的MLE具有良好的性质,如可测性、不变性、存在性、唯一性、相合性、渐近正态性、有效性、稳健性及渐近稳健性等,从某种意义上来说没有比MLE更好的参数估计,它在社会的各个领域中也有很广泛的应用。本文主要研究了截尾线性回归模型极大似然估计的存在性及相关性质;研... 

【文章来源】：渤海大学辽宁省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

X与Y的散点图

线性回归模型中极大似然估计的若干性质46图4-1.k与*的关系图Figure4-1.kand*diagram从图4-1上看：参数的迭代值解越接近真参数值样本量越大。均方误差：1072.02100112*niiMSE。试验说明了MLE在柯西分布中有相合性，且估计的均方误差很校


本文编号：3122812