Eviews关于加权最小二乘法(WLS)中权重W的问题

使用Eviews7,多元线性模型中,怎么做进行加权最小二乘法啊?也就是WLS。权重W该怎么求呢?补充:我的变量数据有负数。请详细一点,好吗?

解答:加权最小二乘法用于处理异方差,对所得结果中的 标准差/(根号下h)=1,所得:1/(根号下h)即为权重W

不是很明白,我的变量的数据值有负数,不能直接用1/sqr(x).你能说的详细一点吗?

怎么求WLS中的权重W ?

权重就是1/sqr(x),标准差不可能是负数。

变量X中有负数呀,就无法取根号了,也就是说 sqr(X)是不存在了。我的权重已经取了 W=1/resid^2 了

权重取标准差的倒数,之前的意思不是变量X取根号的倒数为权重

首先,应用Park检验,令lin2=log(resid^2),然后用最小二乘法做lin2关于x的回归分析,即输入命令:ls lin2 c x。就可以得到lin2关于x的值,再反求出resid,权重w=resid的倒数。

我表示感谢你看过我的问题并认真指出了教材的页码。不过,我希望得到的回答是在Eviews中作WLS时权重W该如何表示。权重W的学术解释我已经看过了,你能帮我解答一下实际操作Eviews时怎么做吗?

解答:

第一步,检验是否有异方差。先对原回归模型做OLS估计,构造残差平方变量resid^2和因变量预测变量yhat及其平方变量yhat2。再将resid^2关于常数、yhat和yhat2作OLS回归,计算或查出该回归方程估计的F检验统计量值,进行F检验。如拒绝,则存在异方差,进行以下第二步;否则,不存在,不需作异方差纠正。

第二步,在上述检验存在异方差的情况下。具体地,对原回归模型做OLS估计,构造残差平方变量resid^2,再取对数得log(resid^2),将之关于原模型中的解释变量作OLS回归估计(含常数项),得其拟合值变量ghat,再取指数变换exp(ghat),用其倒数1/exp(ghat)作权重,对原模型进行加权最小二乘估计,即将原模型OLS估计中的最小二乘目标函数的一般项乘以1/exp(ghat),或者将原回归模型两端的变量同时除以exp(ghat)的开方再作估计。

上述步骤用eviews是可以做出来的

喜欢 (3)or分享 (0)

python加权最小二乘_Eviews关于加权最小二乘法(WLS)中权重W的问题相关推荐

  1. python加权最小二乘_如何计算加权最小二乘法的样本权重?

    最小二乘是求残差$e=Xw-y$的最大似然,也就是求最小-log似然.为简化问题,假设$e$是样本独立的nx1高斯分布,n是数据个数,$e$的nxn协方差矩阵$\Sigma_{ee}$是对角线矩阵,每 ...

  2. Python——基于最小二乘法和最大似然法的回归分析方程中系数的估计

    一.引言 一元线性回归:涉及的变量只有一个 多元线性回归:涉及的变量两个或两个以上 预测结果与真实值是有一定的误差(如图): 本文以y=-2x+8的数据进行拟合为例,给出了利用最小二乘法来估计回归系数 ...

  3. 最优加权最小二乘估计

    文章目录 Reference 最小二乘估计 加权最小二乘估计 递推最小二乘法 Reference Matrix Differentiation 加权最小二乘法与局部加权线性回归 卡尔曼滤波与组合导航原 ...

  4. 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 ...

  5. 次梯度(坐标法)、迭代加权最小二乘、ADMM求解Lasso

    Lasso的特性及简介:  在最小二乘中,常把岭回归与Lasso来进行比较,它们都能对数据防止过拟合,这是为什么呢?  当特征之间存在高度相关关系的时候,假设有两个特征高度负相关,那么不带正则化的回归 ...

  6. python加权最小二乘_【Python】统计科学之加权最小二乘法

    首页 专栏 python 文章详情 0 统计科学之加权最小二乘法 张俊红发布于 今天 10:03 今天这篇来讲讲加权最小二乘法(WLS),加权最小二乘是在普通的最小二乘回归(OLS)的基础上进行改造的 ...

  7. 最小二乘、加权最小二乘(WLS)、迭代加权最小二乘(迭代重加全最小二乘)(IRLS)

    最小二乘.加权最小二乘(WLS).迭代加权最小二乘(迭代重加全最小二乘)(IRLS) 最小二乘: 最小二乘法(又称最小平方法)是一种数学优化技术.它通过最小化误差的平方和寻找数据的最佳函数匹配.利用最 ...

  8. 加权最小二乘(Weighted Least Squares,WLS)回归及R语言计算

    与OLS回归相比,加权最小二乘(Weighted Least Squares,WLS)回归是当残差中方差不变的最小二乘假设被违背(异方差性)时可以考虑的一种方法,即different observat ...

  9. 计算机视觉滤波器大小,计算机视觉——加权最小二乘(WLS)滤波器

    计算机视觉--加权最小二乘(WLS)滤波器 计算机视觉--加权最小二乘(WLS)滤波器 Edge-Preserving Decompositions for Multi-Scale Tone and ...

最新文章

  1. java 增强for循环(foreach)
  2. postmessage 游戏窗口内无效_前端的微前端在交通项目内的应用实践
  3. uni-app实现上拉加载更多
  4. 内核线程和用户线程(SMP)
  5. Kotlin学习笔记18 反射Part2
  6. 小学生四则运算JAVA
  7. NV12剪切区域时的对齐代码
  8. 【SQL】大数据面试常考题之日活(dau)月活
  9. 【高等数学】去心邻域与邻域的意义
  10. 动手学EDA--模型融合
  11. VS 2012 Dotfuscator and Analytics 'j8' 类型初始值设定项引发异常 解决方法
  12. linux内核空间内存动态申请
  13. 对比度和色彩的三要素——色相、明度、纯度
  14. nginx屏蔽中国ip地址以及开放特定ip地址
  15. 双主动桥隔离双向DC-DC变换器(四) 软开关解决方案和变体
  16. 看财报:新东方步入中老年
  17. 机器学习概论 SMO算法实现(实验三)
  18. 【论文阅读笔记|ICLR2021】TANL:Structured Prediction as Translation between Augmented Natural Languages
  19. 转载: linux awk 一看就懂 - 薰衣草的旋律 - 博客园
  20. 打卡小程序开发注意事项

热门文章

  1. pay java parent_全能第三方支付pay-java-parent 2.13.1 发布
  2. DBlink 初级使用文档
  3. 网络维护优化是做什么的(网络维护措施)
  4. vue树结构横向纵向组合展示效果实现
  5. js根据对象中属性删除数组中对象
  6. java lucene 开发介绍
  7. Java实现MySQL批量新增
  8. C语言经典100例---实例九:输出国际象棋棋盘
  9. [CSP-S模拟测试]:count(树分块)
  10. Sentinel源码解析之滑动窗口