版權(quán)說明: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),請進行舉報或認領(lǐng)
文檔簡介
1、半相依回歸模型是一類在經(jīng)濟、生物、醫(yī)學(xué)領(lǐng)域具有廣泛應(yīng)用的統(tǒng)計模型.本質(zhì)上,它是由若干個誤差相關(guān)的線性回歸模型組成的一個系統(tǒng).對于這種模型的研究主要是利用誤差相關(guān)性作為附加信息,來提高參數(shù)估計的效率.許多作者對此作了研究,其中文獻[2]給出了一種利用附加信息改進估計的新方法.這種方法被稱作協(xié)方差改進法.該文就是將文獻[2]中提出的協(xié)方差改進法,做進一步深入研究,改進半相依回歸模型中的參數(shù)估計.對由三個相依線性回歸方程組成的線性回歸系統(tǒng),該
2、文討論了如何選擇被引入估計的協(xié)變量的順序,使得用協(xié)方差改進法得到的更好參數(shù)估計(即有更小的協(xié)方差陣).具體地,該文研究了如下三個問題:(1)給出一般模型下,協(xié)變量被引入估計的順序?qū)Ω倪M估計的影響.(2)研究協(xié)方差陣已知時,如何選擇被引入估計的協(xié)變量的順序,并把結(jié)果應(yīng)用到幾種特殊半相依模型中;當(dāng)協(xié)方差陣未知時,如何構(gòu)造一個預(yù)檢驗估計,并且給出了兩種檢驗方法;(3)導(dǎo)出了所構(gòu)造的預(yù)檢驗估計的一些重要統(tǒng)計性質(zhì).該文的研究結(jié)果表明,在協(xié)方差已知
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 半相依回歸模型參數(shù)的Bayes估計.pdf
- 相依線性回歸系統(tǒng)參數(shù)估計的改進.pdf
- 模糊線性回歸模型的參數(shù)估計.pdf
- 半相依回歸系統(tǒng)參數(shù)的c-κ型改進估計.pdf
- 帶污染數(shù)據(jù)的回歸模型參數(shù)估計.pdf
- 一類新半?yún)?shù)回歸模型參數(shù)估計的強收斂速度.pdf
- 半?yún)?shù)函數(shù)關(guān)系模型參數(shù)估計的研究.pdf
- 兩個半相依回歸公共參數(shù)的改進估計.pdf
- 半?yún)?shù)回歸模型的Bayes估計.pdf
- 半相依回歸系統(tǒng)的根方估計.pdf
- 具有空間相依誤差的面板數(shù)據(jù)自回歸模型及參數(shù)估計的統(tǒng)計計算實現(xiàn).pdf
- 基于GCV方法的線性回歸模型嶺參數(shù)估計.pdf
- 生長曲線模型中回歸系數(shù)的參數(shù)估計.pdf
- 廣義半?yún)?shù)模型的參數(shù)估計與影響分析.pdf
- 縱向數(shù)據(jù)半?yún)?shù)回歸模型的估計理論.pdf
- 45934.基于高階差分方法半?yún)?shù)回歸模型參數(shù)估計及其minimax性質(zhì)
- 股票時間序列波動模型的半?yún)?shù)估計方法研究.pdf
- 混合模型的參數(shù)估計.pdf
- 10216.一類模糊logistic回歸模型的參數(shù)估計
- 模糊線性回歸模型的參數(shù)估計和在金融中的應(yīng)用.pdf
評論
0/150
提交評論