总体最小二乘估计实验报告.docxVIP

总体最小二乘估计实验报告 　　南京信息工程大学实验报告实验课程数学建模实验名称_最小二乘法__实验日期_指导老师专业统计学年级　　小组成员　　----------------------(来自:写论文网:总体最小二乘估计实验报告)-------------------------------------------实验目的：学会MATLAB软件中曲线拟合方法。　　实验内容及要求：　　问题1：多项式回归　　某种合金中的主要成分为金属A与金属B，经过实验与分析发现，这两种金属成分之和x与膨胀系数y之间有一定的关系。由下面的数据建立描述这种关系的数学表示。金属成分和x=[　　];膨胀系数y=[　　];注：使用命令：a=polyfit(x,y,n)%求出n阶拟合多项式y=f(x)的系数；y1=polyval(a,x1)%求出f(x)在x1点的函数值，其中x1=::；plot(x,y,*r,x1,y1,-b)%比较原数据和拟合曲线效果；　　问题2：非线性回归　　设观测到的数据如下：　　x=20:10:210;　　y=[　　];　　取回归函数为y=b(1)*(1-exp(-b(2)*x)),试估计参数b(1)、b(2)。　　注：使用命令：　　[b,r,j]=nlinfit(x,y,fun,b0);%非线性回归，其中b0为参数初始值，可取b0=[2,],fun=inline(b(1)*(1-exp(-b(2)*x)),b,x)为内联函数;　　nlintool(x,y,fun,b0)%绘制非线性回归图。　　程序及运行结果：　　1、　　x1=37::43;　　y1=[　　];plot(x1,y1)　　x1=37::43;　　y1=[　　];　　a=polyfit(x,y,2)　　y1=polyval(a,x1);　　plot(x,y,*r,x1,y1,-b)　　a=　　-　　2、x=20:10:210;y=[　　];　　b0=[2,];　　fun=inline(b(1)*(1-exp(-b(2)*x)),b,x);　　[b,r,j]=nlinfit(x,y,fun,b0);　　nlintool(x,y,fun,b0)　　b(1)　　ans=　　b(2)　　ans=　　电子科技大学经济与管理学院　　标准实验报告　　课程名称计量经济学　　电子科技大学教务处制表　　电子科技大学　　实验报告　　学生姓名：学号：指导教师：陈磊实验地点：经管楼A401实验学时：2学时　　一、实验室名称：金融证券实验室　　二、实验项目名称：普通最小二乘估计量无偏性的蒙特卡罗实验　　三、实验原理：　　普通最小二乘法　　普通最小二乘法通过最小化残差平方和来估计回归方程中的参数，是计量经济学中最经典、应用最广泛的估计方法。该方法的使用需满足一系列古典假设，包括：　　1.回归模型是线性的，模型设定无误且含有误差项；　　2.误差项总体均值为零；　　3.所有解释变量与误差项都不相关；　　4.误差项观测值互不相关；　　5.误差项具有同方差(不存在异方差性)；　　6.任何一个解释变量都不是其他解释变量的完全线性函数　　在上述古典假设成立的情况下，普通最小二乘估计量是最佳线性无偏估计量。所谓无偏估计量，是指OLS参数估计值的均值等于总体参数的真实值。　　无偏性的推导　　设定多元线性回归模型为y?X???，参数的最小二乘估计量为：　　??(X?X)?1X??y　　??(X??X)?1X?y?(X?X)?1X?(X???)???(X?X)?1X??　　?]???(X?E[?X)?1E[X??]　　若无偏性成立，则有E[X??]?0，即误差项总体均值为零、所有解释变量与误差项都不相关。因此，在古典假设成立的情况下，普通最小二乘估计量是无偏估计量。　　无偏性的实验验证　　OLS估计量无偏性的验证可采用蒙特卡罗方法。蒙特卡罗方法是一种通过设定随机过程，反复生成随机序列，计算参数估计量和统计量，进而研究其分布特征的方法。　　验证无偏性，首先建立回归模型，设定参数真实值，采用蒙特卡罗方法生成若干组样本，分别估计每组样本的参数估计值，检验参数估计值的均值是否与设定值相等。　　四、实验目的：　　了解蒙特卡罗模拟原理；掌握使用EViews软件进行蒙特卡罗模拟的技术；加深对普通最小二乘估计量无偏性的认识。　　五、实验内容：　　采用EViews软件编程实现蒙特卡罗模拟，验证普通最小二乘估计量的无偏性。　　六、实验器材：　　计算机、EViews软件　　七、实验步骤：　　1.设定解释变量为非随机变量，验证OLS估计量的无偏性；　　设定参数真实值和解释变量值；循环迭代得到若干参数