利用数据分组优化度量误差模型的参数估计.pdfVIP

利用数据分组优化度量误差模型的参数估计 哪些情形下该估计是相合的。 二、分组最小二乘法 因为不知道度量误差6方差的大小，所以不能准确刻划观测数据x的散度多少来自真值 z，多少来自度量误差。同时度量误差6的散度会被参数口放大或缩小。如果仍然使用一般的 最小二乘法，由于度量误差的存在，使得真值的散度被高估，从而使参数估计值的绝对值偏小， 在一元线性的度量误差模型I=．B。+口．托+E。中，只能观测到x；=戤+6。。如果仍然使用卢。= 【∑?。。(盖。一x)2】“∑?：。(x。一工)(t—y)来估计参数芦。，在真值正态假设下，容易计算出 冒[卢。]=口。(a：+∥：)-‘口：其中a：，，：分别为扎6。的方差，它显然是一个有偏的估计。 为解决度量误差的问题，一个很直观的想法是在进行最小二乘之前，通过对观测数据进行 分组使每组中误差通过平均相互抵消。这要求认真分析数据，寻找恰当的分组。下面给出一 元线性度量误差模型的分组最小二乘法的实施步骤： 1．分析自变量的分布，判断是否适合分组最小二乘法，选择恰当的分组 2．计算各组中自变量和响应的均值 3．用得到的各组均值作为新的数据组，利用最小二乘法给出参数的估计。