线性模子与非参数模子中方差的估计.pdfVIP

摘 要 线性回归模型是数理统计学中发展较早、理论丰富而且应用性很 强的一个重要分支．对任何模型而言，最基本的问题之一是进行参数 估计，以便人们根据参数估计的结果来进行统计分析．因此用新兴的 统计推断方法对线性回归模型的参数进行估计有十分重要的理论与 应用价值． 点之一．当．厂(x)是未知函数时，只对该模型有一个方差的情形进行了 研究，而对于方差分量的研究却没有．因此对于．厂(x)是未知函数时的 方差分量进行估计有十分重要的理论与应用价值． 经验似然方法是最近几年极其热门的一种非参数统计推断方法． 由于应不需要估计方差，这一方法引起了许多统计学家的兴趣，他们 将这一方法应用到各种统计模型及各种领域中．加权经验似然方法不 仅有着经验似然的优点，还把数据的异方差性考虑了进去，因此在异 方差情形有极大的优势． 本文深入细致地研究了上述两个模型的方差估计问题．在第二章 中研究了Gauss．Markov线性模型中方差的加权经验似然估计，第三 章中研究了异方差线性模型中方差的加权经验似然估计，并且都给出 了数据模拟．第四章中对于非参数模型中的方差分量给出了两种估计 方法：Minimax估计和基于差分方法的估计 关键词线性回归模型，加权经验似然，非参数模型，方差