本文關(guān)鍵詞：隨機(jī)限制s-K估計(jì)和主成分s-K估計(jì)的研究

  更多相關(guān)文章： 參數(shù)估計(jì) 復(fù)共線性 有偏估計(jì) 自相關(guān) 隨機(jī)限制s-K估計(jì) 主成分s-K估計(jì) 均方誤差陣

【摘要】：線性模型是數(shù)理統(tǒng)計(jì)中一類基本模型,因其豐富的內(nèi)容,普遍的應(yīng)用,成為當(dāng)代統(tǒng)計(jì)學(xué)中一個(gè)重要的研究分支.而對(duì)參數(shù)估計(jì)的討論又是研究線性模型的一項(xiàng)基本工作.克服線性模型的復(fù)共線性問題一直是統(tǒng)計(jì)學(xué)研究的熱點(diǎn),常用的方法是使用有偏估計(jì).然而,線性模型中的自相關(guān)問題也不容忽視.目前,同時(shí)解決自相關(guān)和復(fù)共線性問題的研究越來越受重視.本文研究了線性模型中的隨機(jī)限制s-K估計(jì)和主成分s-K估計(jì).得到了各新估計(jì)量?jī)?yōu)于其它估計(jì)量的充要條件,并給出了數(shù)值模擬.全文分為四章,第一章簡(jiǎn)述了有偏估計(jì)的背景和研究進(jìn)展,介紹了相關(guān)的預(yù)備知識(shí).第二章提出了線性模型中一類新的隨機(jī)限制s-K估計(jì),并給出了均方誤差矩陣比較.第三章介紹了相依誤差線性模型中的隨機(jī)限制s-K估計(jì),同時(shí)給出了新估計(jì)量?jī)?yōu)于其它估計(jì)量的充要條件.第四章,提出了相依誤差線性模型中的主成分s-K估計(jì),并證實(shí)了新估計(jì)量在均方誤差陣標(biāo)準(zhǔn)下的優(yōu)良性.
【關(guān)鍵詞】：參數(shù)估計(jì) 復(fù)共線性 有偏估計(jì) 自相關(guān) 隨機(jī)限制s-K估計(jì) 主成分s-K估計(jì) 均方誤差陣
【學(xué)位授予單位】：安徽師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：O212.1
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-12
• 1.1 引言9-10
• 1.2 幾個(gè)重要引理10-12
• 第二章 線性模型中一類新的隨機(jī)限制s-K估計(jì)12-21
• 2.1 模型和新隨機(jī)限制s-K估計(jì)的定義12-14
• 2.2 均方誤差矩陣比較14-16
• 2.3 數(shù)值模擬16-21
• 第三章 相依誤差線性模型中的隨機(jī)限制s-K估計(jì)21-29
• 3.1 模型和新估計(jì)的定義21-23
• 3.2 均方誤差矩陣比較23-25
• 3.3 數(shù)值模擬25-29
• 第四章 相依誤差線性模型中的主成分s-K估計(jì)29-39
• 4.1 新估計(jì)量的定義29-31
• 4.2 均方誤差矩陣比較31-34
• 4.3 數(shù)值模擬34-39
• 參考文獻(xiàn)39-43
• 致謝43-44
• 附錄：碩士期間完成的學(xué)術(shù)論文44

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 沈菊紅;;預(yù)測(cè)農(nóng)民收入的主成分回歸模型[J];安徽農(nóng)業(yè)科學(xué);2008年24期

2 姜信君;佟瑞洲;;大氣污染主成分回歸預(yù)報(bào)模型及試報(bào)分析[J];遼寧大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

3 葉宗裕;;主成分回歸能消除多重共線性嗎?[J];統(tǒng)計(jì)與信息論壇;2012年03期

4 王松桂,林春土;主成分的最優(yōu)性質(zhì)[J];科學(xué)通報(bào);1984年08期

5 王傳華;;主成分回歸在全國畜產(chǎn)品管理決策中的應(yīng)用[J];預(yù)測(cè);1989年03期

6 胡虎肇;;基于主成分回歸模型的福建省農(nóng)民增收因素分析[J];臺(tái)灣農(nóng)業(yè)探索;2010年02期

7 吳利豐;劉思峰;方志耕;;基于新信息優(yōu)先主成分回歸的多參數(shù)復(fù)雜裝備費(fèi)用預(yù)測(cè)[J];中國管理科學(xué);2012年S1期

8 朱廣萍;主成分回歸的主成分選擇準(zhǔn)則[J];西南民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2002年01期

9 李綱;;基于主成分回歸的黃金趨勢(shì)分析[J];現(xiàn)代礦業(yè);2010年04期

10 王瓊;盧潤德;;基于主成分回歸的信息產(chǎn)業(yè)創(chuàng)新能力測(cè)度[J];科技廣場(chǎng);2014年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前2條

1 吳利豐;劉思峰;方志耕;;基于新信息優(yōu)先主成分回歸的多參數(shù)復(fù)雜裝備費(fèi)用預(yù)測(cè)[A];第十四屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集(上冊(cè))[C];2012年

2 俞慧強(qiáng);戈早川;周彤;;主成分回歸在分光光度法同時(shí)檢測(cè)多種物質(zhì)中的應(yīng)用[A];面向21世紀(jì)的科技進(jìn)步與社會(huì)經(jīng)濟(jì)發(fā)展（下冊(cè)）[C];1999年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 郭媛媛;基于核主成分回歸的多重共線性消除問題研究[D];河北聯(lián)合大學(xué);2014年

2 許馨文;基于主成分回歸模型的酒店裝飾項(xiàng)目成本預(yù)測(cè)[D];昆明理工大學(xué);2015年

3 杜潔;回歸分析在糖尿病診斷中的應(yīng)用[D];北京理工大學(xué);2015年

4 孟慶琰;基于近紅外光譜技術(shù)馬鈴薯全粉品質(zhì)的檢測(cè)研究[D];寧夏大學(xué);2015年

5 周玲;隨機(jī)限制s-K估計(jì)和主成分s-K估計(jì)的研究[D];安徽師范大學(xué);2015年

6 姜揚(yáng);聚類和主成分回歸在經(jīng)濟(jì)指標(biāo)數(shù)據(jù)中的應(yīng)用研究[D];吉林大學(xué);2010年

7 李立科;核主成分回歸方法在特征提取和預(yù)測(cè)方面的研究及其在醫(yī)學(xué)中的應(yīng)用[D];山西醫(yī)科大學(xué);2010年

8 劉偉新;主成分回歸中異常點(diǎn)的診斷和處理[D];山西醫(yī)科大學(xué);2006年

9 劉劍利;聚類分析和主成分回歸在工業(yè)統(tǒng)計(jì)數(shù)據(jù)中的應(yīng)用[D];吉林大學(xué);2014年

10 韓麗香;穩(wěn)健主成分回歸方法在GDP數(shù)據(jù)可靠性評(píng)估中的應(yīng)用[D];蘭州商學(xué)院;2013年

，

本文編號(hào)：1134110