

已閱讀1頁(yè),還剩27頁(yè)未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、半相依回歸系統(tǒng)是由兩個(gè)誤差項(xiàng)相關(guān)的線性回歸方程組成的系統(tǒng).近三、四十年來(lái),已有很多的學(xué)者對(duì)這類半相依回歸系統(tǒng)進(jìn)行了大量的研究,作出了十分重要的成果:Zellner(1962)提出了所謂兩步估計(jì)法;在其基礎(chǔ)上,林春士(1984)得出了兩步估計(jì)的充要條件,陳昌華(1986)討論了對(duì)設(shè)計(jì)矩陣不作任何要求的兩步估計(jì)及其優(yōu)良性;進(jìn)一步地,王松貴、嚴(yán)利清(1997)利用協(xié)方差改進(jìn)法獲得了參數(shù)的一個(gè)迭代估計(jì)序列,劉金山(1994),李文、林舉干(19
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 相依線性回歸系統(tǒng)參數(shù)估計(jì)的改進(jìn).pdf
- 31299.具有均勻協(xié)方差結(jié)構(gòu)的線性模型的回歸參數(shù)估計(jì)
- 線性混合效應(yīng)模型協(xié)方差陣的估計(jì)問(wèn)題.pdf
- 均值協(xié)方差模型中非約束參數(shù)的最大似然估計(jì).pdf
- 半相依回歸系統(tǒng)參數(shù)的c-κ型改進(jìn)估計(jì).pdf
- 7680.回歸系數(shù)和協(xié)方差陣的穩(wěn)健估計(jì)
- 時(shí)滯系統(tǒng)的協(xié)方差交叉融合估計(jì).pdf
- 半相依回歸系統(tǒng)的根方估計(jì).pdf
- 期望、方差協(xié)方差
- 約束線性回歸模型回歸系數(shù)的條件根方估計(jì).pdf
- 兩個(gè)半相依回歸公共參數(shù)的改進(jìn)估計(jì).pdf
- 利用協(xié)方差法估計(jì)ar模型參數(shù)
- 含有隨機(jī)效應(yīng)增長(zhǎng)曲線模型回歸系數(shù)陣與協(xié)方差陣的估計(jì).pdf
- 兩類統(tǒng)計(jì)模型中方差和協(xié)方差分量的Bayes估計(jì).pdf
- 協(xié)方差矩陣稀疏表示空間譜估計(jì)研究.pdf
- 半相依回歸模型的參數(shù)估計(jì).pdf
- 基于協(xié)方差矩陣稀疏重構(gòu)的DOA估計(jì)算法.pdf
- 具有MA(q)誤差線性模型協(xié)方差陣參數(shù)的分步估計(jì)與Bootstrap算法.pdf
- 背景場(chǎng)誤差協(xié)方差估計(jì)技術(shù)的應(yīng)用研究.pdf
- 半相依回歸模型參數(shù)的Bayes估計(jì).pdf
評(píng)論
0/150
提交評(píng)論