加权最小二乘估计中选择权数的迭代算法.pdfVIP

( ) 　　第 28 卷　第 4 期　 吉首大学学报 自然科学版 Vol. 28 　No. 4 　　 　　2007 年 7 月 Journal of Jishou University (Natural Science Edition) Jul. 2007 　　 ( ) 文章编号 :1007 - 2985 2007 04 - 0027 - 03 加权最小二乘估计中选择权数的迭代算法 游　华 (福州大学数学与计算机科学学院 ,福建 福州 　350002) 摘 　要 :介绍了加权最小二乘估计的性质及其常见权数选择的方法 ,并给出评判一个好的二乘估计的标准 , 由此提出 选择权数的迭代算法. 关键词 :加权最小二乘估计 ;权数 ;迭代算法 中图分类号:O212. 1 　　　　　　 文献标识码 :A 1 　问题的提出 对于线性回归模型参数的估计通常采用最小二乘法 ,该方法要求模型满足 : ( 1) 随机误差具有零均值 ,即 Eε= 0 ; 2 (2) 随机误差具有同方差性 ,即Var ( ε) = σIn ; ( ) ( ε ε) ( ) 3 各随机误差项之间相互独立 ,即 Cov i , j = 0 j ≠i . 当上述假设合理时 ,才能适用普通最小二乘法并对回归模型作进一步的推断. 若不满足上述假设 ,普通最小二乘估计 法就不再适用. 它的估计不再具有最小方差的特性 , 回归系数的显著检验也就失去意义 , 因此预测将无效. 此时 ,必须使用 改进的最小二乘法进行回归估计. 改进的最小二乘法比较常用的有加权最小二乘法. 考虑一般线性回归模型 β y = X + e , E ( e) = 0 , 2 Cov ( e) = σV . 其中 : y = ( y 1 ,y 2 , …,y n ) T 是因变量 Y 的n 次观测值 ; X 为 n ×p 的设计阵 , V 为半正定阵 , X 和V 都是具有任意的秩 , X 的 β ( β β β ) T 第 1列对应于模型的常数项 ,因而所有元素皆为1 ,其余各列分别为自变量在 n 次试验中的取值 ; = 0 , 1 , …, p - 1 为未 知的回归参数向量 ; e = ( e1 , e2 , …, en ) T 表示 n 次试验的随机误差. W1 β( ) ( T )