具有ar（）误差的线性模型.pdfVIP

摘要 摘 要 本文研究误差服从一阶自回归的线性回归模型的统计推断问题．这种模 型在许多领域，特别是在经济、管理、工程技术等领域具有广泛应用．对于这 种模型，如果我们忽略了相关性的存在，按照误差服从Gauss．Markov假设的 情形，用标准的最小二乘法去处理，在许多情况下将会导致参数估计精度的下 降和假设检验犯错误概率的升高，及其其它一系列问题．因此，长期以来关于 这种模型的研究颇受统计学家的关注． 本文提出了方差参数的一种新的估计方法，研究了它的一些统计性质． 若以均方误差作度景估计优劣的标准，模拟显示当误差相关程度较高时，新估 计优于文献中常见的矩估计．对应于方差参数这两种估计的回归系数的两种 两步估计，它们的均方误差大致相当． 关于回归系数的线性假设检验问题， 情况下从理论上研究了方差参数对基于广义最小二乘估计的F．检验统计量 (殆Ls(p))的种种影响，提出了敏感性的概念，并给出敏感统计量的形式及其 分布．本文用“前三阶中心矩相等”法，提出了两种新检验，分别用卡方统计 检验进行了比较．模拟结果表明，当误差正相关程度较高时，两种新检验在具 有较小的第一类错误概率的同时，具有较大的功效． 关键词：自相关；方差参数；线性假设；数值模拟；F统计量