• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一類線性回歸模型的參數(shù)估計(jì)

    2021-06-10 05:28:54甘勝進(jìn)王瓊瑾
    關(guān)鍵詞:估計(jì)量線圖回歸系數(shù)

    甘勝進(jìn),王瓊瑾

    (1.福建師范大學(xué)福清分校電子與信息工程學(xué)院,福建 福清 350300;2.臺灣政治大學(xué)統(tǒng)計(jì)學(xué)系,臺北 11605;3.華東師范大學(xué)經(jīng)濟(jì)與管理學(xué)部統(tǒng)計(jì)學(xué)院,上海 20062)

    經(jīng)典的多元線性回歸模型y=β0+βTX+ε,其中響應(yīng)變量y是一維,p維解釋變量X=(x1,x2,…,xp)T,誤差ε的數(shù)學(xué)期望為0、方差為σ2.為了較方便獲取回歸系數(shù)的樣本估計(jì)量性質(zhì),通常假設(shè)X是確定性變量[1-2],或者假定是隨機(jī)變量,但未給出其估計(jì)量漸近分布[3].本文考慮一類特殊多總體線性回歸模型,并且假定解釋變量X是隨機(jī)的,每個(gè)子總體上有部分變量的回歸系數(shù)相同,具體地來講,在第i個(gè)子總體下:

    (1)

    1 估計(jì)量及其漸近性質(zhì)

    在導(dǎo)出估計(jì)量漸近分布之前,有必要對一些符號作如下說明.

    cov(X2)=Σ22, cov(X1,X2)=Σ12,

    (2)

    這里,投影矩陣

    引理1當(dāng)ni→∞ 時(shí),

    依分布收斂.

    根據(jù)引理1,當(dāng)ni→∞ 時(shí),可得下式:

    (3)

    (4)

    (5)

    直觀上講,依據(jù) (3) 式,

    其中,

    其中,

    基于以上討論,根據(jù)中心極限定理可得以下定理.

    其中,

    由定理1可知,

    其中,

    不難看出,新估計(jì)量與原估計(jì)量漸近方差差別為一個(gè)半正定矩陣,結(jié)合 (4) 式和定理1可知,當(dāng)X1與X2不相關(guān)時(shí),新估計(jì)量只對α有改進(jìn)效果,對βi不起作用.事實(shí)上,無論X1與X2關(guān)系如何,增加樣本容量導(dǎo)致方差減小,如果X1與X2不相關(guān),那么X1不能提供有關(guān)X2的任何線性信息.

    2 隨機(jī)模擬

    模型1X=(X1,X2,…,X5)T~N(0,Σ),其中,

    ε~N(0,1),X與ε相互獨(dú)立.

    組1:Y=6X1+8X2+19X3+X4+4X5+ε;

    組2:Y=6X1+8X2+26X3+23X4+12X5+ε;

    組3:Y=6X1+8X2+25X3+16X4+10X5+ε;

    組4:Y=6X1+8X2+15X3+14X4+30X5+ε;

    組5:Y=6X1+8X2+2X3+18X4+7X5+ε;

    組6:Y=6X1+8X2+5X3+22X4+9X5+ε.

    圖1表示模型1中100次蒙特卡羅模擬下兩種估計(jì)方法各組參數(shù)的均方誤差的箱線圖,每次模擬樣本容量組1至組6分別為50、55、60、65、70、80.右上標(biāo)為old表示在各個(gè)組內(nèi)利用最小二乘估計(jì)方法,右上標(biāo)為new表示本文建議的方法,其中每組前四個(gè)箱線圖分別是共同參數(shù)6、8兩種方法估計(jì)比較,后6個(gè)則依次是不同三個(gè)系數(shù)估計(jì)性能比較,通過箱線圖可知,本文建議的方法明顯好于直接利用組內(nèi)最小二乘估計(jì)方法,而且相同系數(shù)估計(jì)遠(yuǎn)優(yōu)于不同回歸系數(shù)估計(jì),這是因?yàn)橄嗤糠掷昧烁鄻颖?,估?jì)量方差更小.

    圖1 模型1中各組新方法與原方法估計(jì)參數(shù)的MSE箱線圖Fig.1 Boxplots of MSE between new method and old method in parametric estimate under model 1

    模型2X=(X1,X2,…,X5)T~N(0,Σ),其中,

    ε~N(0,1),X與ε相互獨(dú)立.

    組1:Y=-X1+X2+1.98X3+0.42X4+1.76X5+ε;

    組2:Y=-X1+X2-1.9X3+X4-1.7X5+ε;

    組3:Y=-X1+X2-1.6X3+0.18X4+0.85X5+ε;

    組4:Y=-X1+X2-0.93X3+1.28X4+0.92X5+ε;

    組5:Y=-X1+X2+0.65X3-1.2X4+1.85X5+ε;

    組6:Y=-X1+X2-1.17X3+1.69X4-1.87X5+ε.

    圖2為模型2下100次蒙特卡羅重復(fù)兩種方法估計(jì)的箱線圖,每次模擬組1至組6樣本容量分別為100、150、200、250、300、350.從圖中可知,當(dāng)公共回歸系數(shù)對應(yīng)回歸變量與不同系數(shù)對應(yīng)的回歸變量之間無相關(guān)性時(shí),本文建議的方法僅對公共回歸系數(shù)估計(jì)有效,不同部分估計(jì)效果變化不大,印證了定理1.

    圖2 模型2中各組新方法與原方法估計(jì)參數(shù)的MSE箱線圖Fig.2 Boxplots of MSE between new method and old method in parametric estimate under model 2

    3 結(jié)語

    本文給出了多總體部分公共系數(shù)線性回歸模型估計(jì)方法,并給出該方法估計(jì)量的大樣本性質(zhì),其漸近方差小于直接利用最小二乘估計(jì),蒙特卡羅模擬進(jìn)一步證實(shí)了該結(jié)論.本文方法在大數(shù)據(jù)時(shí)代意義比較明顯,假設(shè)每個(gè)子總體代表每個(gè)相距較遠(yuǎn)地區(qū),每個(gè)地區(qū)產(chǎn)生符合該模型的數(shù)據(jù)量非常大,現(xiàn)在要估計(jì)各個(gè)子總體模型中參數(shù),本文建議的方法只需要在各個(gè)子總體內(nèi)估計(jì)參數(shù),處理后的參數(shù)傳輸?shù)胶笈_,后臺通過加權(quán)平均估計(jì)出公共參數(shù),然后傳輸?shù)礁鱾€(gè)子總體估計(jì)不同部分參數(shù),整個(gè)過程只須傳輸參數(shù),避免了大數(shù)據(jù)傳輸帶來的各種問題.其流程圖如圖3.

    圖3 算法示意圖Fig.3 Diagram of algorithm

    算法的另外一個(gè)優(yōu)點(diǎn)是各個(gè)子總體內(nèi)運(yùn)算是并行的,可以極大地減少計(jì)算時(shí)間.

    猜你喜歡
    估計(jì)量線圖回歸系數(shù)
    內(nèi)涵豐富的“勾股六線圖”
    基于箱線圖的出廠水和管網(wǎng)水水質(zhì)分析
    多元線性回歸的估值漂移及其判定方法
    電導(dǎo)法協(xié)同Logistic方程進(jìn)行6種蘋果砧木抗寒性的比較
    多元線性模型中回歸系數(shù)矩陣的可估函數(shù)和協(xié)方差陣的同時(shí)Bayes估計(jì)及優(yōu)良性
    淺談估計(jì)量的優(yōu)良性標(biāo)準(zhǔn)
    東山頭遺址采集石器線圖
    基于配網(wǎng)先驗(yàn)信息的諧波狀態(tài)估計(jì)量測點(diǎn)最優(yōu)配置
    電測與儀表(2015年6期)2015-04-09 12:00:50
    負(fù)極值指標(biāo)估計(jì)量的漸近性質(zhì)
    有關(guān)線圖兩個(gè)性質(zhì)的討論
    武安市| 紫云| 蒙阴县| 仲巴县| 霸州市| 昌吉市| 肃北| 江源县| 古浪县| 永平县| 南充市| 班戈县| 达州市| 阆中市| 惠安县| 神池县| 茂名市| 八宿县| 胶州市| 湘西| 阳江市| 古田县| 米脂县| 墨竹工卡县| 古丈县| 侯马市| 汕尾市| 霍山县| 迁西县| 岳西县| 蓝田县| 迁西县| 舟曲县| 车险| 庄河市| 黔南| 太保市| 梨树县| 尼玛县| 天等县| 石棉县|