【应用回归分析】CH3 回归参数的估计6——广义最小二乘估计
目录
一、广义最小二乘估计的推导
二、广义最小二乘估计的性质——【定理3.6.1】
1.定理内容
2.定理证明
3.定理说明
三、简单例子
四、【例3.6.1】
一、广义最小二乘估计的推导
在前面的讨论中,我们总是假设线性回归模型的误差是等方差且不相关的,即。但在很多情况下,这个假设总是可以认为近似地成立。但是,像在所指出的,仍然有许多实际问题,经过残差分析后,我们不能认为这些假设是合适的,它们的误差方差可能不相等,也可能彼此相关。这时,误差向量的协方差阵,这里为一个正定阵,当然往往包含有位置参数。为简单计,在这一节的讨论中,我们假定是完全已知的。我们要讨论的回归模型具有如下形式:
为了求参数的估计,我们经过适当变换,把它化成前面讨论过的情形,既然是正定阵,于是存在n*n的正交阵P使其对角化:,这里
是的特征值。记。则,称是的平方根阵。用左乘,记。因为
于是我们得出如下线性回归模型:
这就是我们已经讨论过的情况在。在这个新模型中,的最小二乘估计为
一般,我们称为的广义最小二乘估计,也有一些作者称为的估计,下面的定理概括了这个估计得统计性质。
二、广义最小二乘估计的性质——【定理3.6.1】
1.定理内容
对于线性回归模型,有
- 对任意P*1已知向量c,为的唯一最小方差无偏估计
2.定理证明
设是的任一线性无偏估计,对于模型(3.6.2),我们有
这就是说,对变换后的模型而言,是的最小二乘估计,而是的一个无偏估计,由定理3.2.2知,,并且等号成立当且仅当,定理证毕。
3.定理说明
定理3.6.1(c)就是一般情况下的定理。它表明,在一般线性回归模型(3.6.1)中,广义最小二乘估计是最优的。但是,如果我们把表达式中的换成单位阵,则得到。称为简单最最小二乘估计,常常简称为最小二乘估计。容易证明,对于模型(3.6.1),,即仍是的无偏估计。但这时对任意线性函数,只是的一个无偏估计,它未必是最优的。我们称和分别为的广义最小二乘估计和(简单)最小二乘估计。根据定理3.6.1(c),对一切P*1向量c有,这就是说对于一般线性回归模型(3.6.1),广义最小二乘估计总是优于最小二乘估计。
三、简单例子
模型(3.6.1)的最简单例子是因变量的不同观测具有不等方差的情况,这时
这里可以有一些彼此相等。记分别为设计矩阵X的n个行向量,则容易推出,这时的广义最小二乘估计具有如下形式
从这个表达式我们可以看出,两个和式分别是和的“加权和”,而所用的权都是。因此文献中常常把(3.6.4)定义的称为加权最小二乘估计。这里讲的是皆已知的情况。在实际应用中,往往是未知的,这时我们可以设法求得他们的估计去代替。
对于一般线性回归模型,在实际应用中碰到的问题是确定协方差阵的形式,但这往往是十分困难的。一般我们总是从假设入手,求得简单最小二乘估计,然后通过残差分析,对误差方差提供一些信息。另一种做法是,从问题本身的专业角度或其它方面,对误差向量提出一些特殊结构,这时误差协方差阵就具有特殊形式。
四、【例3.6.1】
【应用回归分析】CH3 回归参数的估计6——广义最小二乘估计相关推荐
- 【应用回归分析】CH3 回归参数的估计1——最小二乘估计
目录 前言 一.经验线性回归方程 1.未知参数的估计 2.经验线性回归方程 3.[例3.1.1]一元线性回归 二.中心化的经验线性回归方程 1.中心化 2.[例3.1.2]一元线性回归(续) 三.标准 ...
- 古典最小二乘估计,加权最小二乘估计,递归最小二乘估计以及卡尔曼滤波
古典最小二乘估计,加权最小二乘估计,递归最小二乘估计以及卡尔曼滤波 古典最小二乘估计,以测量误差的平方和作为损失函数. 根据高斯-马尔可夫定理,古典最小二乘估计在线性测量系统中,在测量噪声为零均值,同 ...
- 【应用回归分析】CH3 回归参数的估计3——约束最小二乘估计
目录 一.推导 二.定理 三.例题 一.推导 对于线性回归模型,在对参数向量没有附加任何约束条件的情况下,在前面两节我们求出了最小二乘估计并讨论了它的基本性质.但是,在一些检验问题的讨论中或其它一些场 ...
- 【回归分析】03.回归参数的估计(1)
文章目录 [回归分析]3. 回归参数的估计(1) 3.1 最小二乘估计 3.2 最小二乘估计的性质 [回归分析]3. 回归参数的估计(1) 3.1 最小二乘估计 用 yyy 表示因变量,x1,x2,⋯ ...
- 线性回归方程参数的最小二乘估计
概述 一共两个部分,第一,线性模型和最小二乘估计方法的概括.第二, 基于最小二乘估计方法,实现线性回归方程中回归参数的估计.并且和statsmodels中的方法进行对比. 1.线性模型和最小二乘方法 ...
- 现代信号处理——参数估计理论(最小二乘估计)
Bayes估计需要知道被估计量的先验概率密度:最大似然估计需要知道似然函数. 除了线性均方估计外,最小二乘估计是另一种不需要任何先验知识的参数估计方法,最小二乘估计不需要先验统计特性,适用范围更广. ...
- 基于接收信号强度(RSS)的室内定位/无线传感器网络定位——极大似然估计ML/最小二乘估计WLS
基于接收信号强度(RSS)的室内定位/无线传感器网络定位--极大似然估计ML/最小二乘估计WLS 原创不易,路过的各位大佬请点个赞 针对AOA,TOA,TDOA,RSS等室内定位.导航的探讨.技术支持 ...
- 利用matlab实现最小二乘估计
最小二乘估计概念 古典最小二乘估计 tic clc; clear; %首先假定量测量值如下 mul=[100,200
- 最小二乘估计参数为什么使用残差平方和?
文章福利:Python学习精选书籍10本 对于线性回归模型 y=ax+b, 常用到的估计参数的方法有:最小二乘法和极大似然估计,本话题暂不讨论这两种理论方法如何去估计出参数,只讨论在最小二乘法的核心思 ...
最新文章
- DataFrame的copy的用法
- 页面字符太长用.....表示
- MyBatis自动生成代码之generatorConfig配置文件及其详细解读
- 在IIS7中应用Application Request Routing配置反向代理
- Create a PCL visualizer in Qt with QtDesigner
- mysql 5.5 slave 配置_mysql5.5 master-slave(Replication)配置方法
- zigzag模式提取矩阵元素
- pandas Series归一化
- python websocket server模块_Python 3.5.2实现websocket服务端(四): WebSocketServer类实现...
- aix 文件升级-替换
- 刷新输出缓冲区(C++)
- html读取在线文件,javascript中如何读取文件?
- 共识算法PBFT和Raft
- 傻瓜式安装卸载office
- RTF转换为HTML格式(java)
- Verilog HDL的简单应用之74ls148功能的实现
- STM32固件库(标准外设库)入门学习 第四章OLED屏幕使用
- R语言List列表和向量Vector互相转化源码和思路
- 【我很简单,请不要欺负我】模拟环境渗透详细记录
- Kindle阅读器(KPW、KV、KO)怎么导入电子书?