偏差下估计的求法及其性子.pdfVIP

偏差下估计的求法及其性质 摘要 在线性回归模型中，求回归系数最常用的方法就是最小二乘法，也是 最基本的方法。当数据不含偏差时，所得最小二乘估计具有很好的性质。 但当数据含有偏差时，最小二乘估计便不再直接有效，需要研究新的 求解方法以便得出回归系数的估计值，并且此方法能消除偏差对估计值的 影响，也就是说此估计是稳健估计。 偏差的存在导致相应的模型发生了结构性变化，此时需要建立新的模 型以便得到未知参数的估计，然后再研究该估计的性质。目前对于不含偏 差估计性质的研究已经很完善，但对含偏差估计性质的研究却是比较少的。 由于偏差在实际的线性回归分析中有时是不可避免的，所以在偏差下研究 估计的性质更具有挑战性和实际意义。 本文的主要结果之一：在偏差是随机误差的情况下，把基于Cook距离 求权函数的理论推广到具有相关观测的纵向数据，并给出了理论上的证明， 然后通过简单模型导出了权函数的矩阵解析式。由于权函数的可行性与可 靠性只能通过数值计算来说明不能从理论上作出证明，所以必须通过数据 来展示此种权函数的抗差能力。实例分析表明此种权函数具有很强的稳健 性。最后又用数据分析了相关程度对稳健估计的影响。