具有AR()误差线性模子的研究.pdfVIP

摘要 摘要 本文在前人研究误差服从一阶自回归的线性模型的基础上，研究误差服从二阶自回 归的线性模型的统计推断问题。误差服从自回归的线性模型，在许多领域，特别是在经 济、管理、工程技术、林业和生态模型等领域具有广泛的应用。对于这种模型，如果忽 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 它一系列问题。因此，长期以来这种模型的研究受到统计学家的关注。 本文在考虑矩估计缺陷(只考虑相邻两个量的相关)的基础上，提出了新的方差参数 Partial 的估计方法：距离偏相关系数迭代(DistancecorrelationOOe伍cientiteration)估计 square 较高和误差具有更高阶相关性时，偏相关系数迭代估计优于其它两个估计。 关于误差服从二阶自回归的线性模型的参数估计问题，在误差服从一阶自回归的线 性模型的参数估计的基础上，求出了误差的协方差阵及其逆矩阵，并进行了三角分解求 出了差分加权变换矩阵。对变换后的模型采用了广义循环最d,-．乘估计(the cycle least generalized 自回归的线性模型的广义循环最小二乘估计与两步广义最小二乘估计(two steps least generalized 最,b-乘估计。并研究当误差系数具有特殊关系时，用模拟比较了考虑特殊关系与不考 虑特殊关系时的估计精度。表明考虑特殊关系优于不考虑特殊关系时的估计精度。 本文还对误差的相关性检验进行了研究，提出了误差高阶相关时的检验方法。以实 际例子，阐述了误差存在高阶相关性时的处理方法。 关键词 自相关：方差参数；数值模拟；相关性检验：均方误差标准 东北林qp人学硕上学能论文 Abstract Based on somestatisticalinferenceoflinearmodelswith studying ofthisstatistical inferenceoflinearmodelswith kindofmodelshas purpose AR(2)errors．This extensive in applicationsmanyfields，in and these forstatisticalinferenceisto engineering，forestryecology．Formodels，allapproach the of existenceerrorcorrelationandthento standardleaSt ignore methodunder apply squares Gauss—Markov willcausesomeseries in assumptiontest,this estimation problemsparameter and testin cases．Thusofthesemodelshasobtaineda attention hypoth