排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
加权整体最小二乘方法是一种能同时顾及EIV(errors-in-variables)模型中系数矩阵和观测向量误差的参数估计方法。根据不同的应用场景,EIV模型则表现出不同的结构特征。"加权整体最小二乘EIO模型与算法"一文采用EIO模型处理EIV模型中的结构化问题*。为了将其与现有方法进行对比,本文罗列出4种处理EIV模型结构特征的方法,并归纳了8种参数估计公式。同时从精度评定的角度讨论了整体最小二乘解的一阶及更高阶精度近似评定方法。需要强调的是,针对EIV模型及其参数估计理论可以从函数模型、随机模型和参数估计方法3个方面展开研究,但各方法殊途同归。 相似文献
2.
提出一种确定不等式约束Partial EIV模型解及精度评定的新方法,在总体最小二乘准则下,将附有不等式约束的Partial EIV模型转换为标准最优化问题。采取WHP拟牛顿修正的SQP方法求解,并利用SUT法对参数估值进行精度评定,可以减小迭代次数、提高收敛速度,且精度评定方法简单有效。 相似文献
3.
4.
乘性误差模型加权最小二乘参数估值是观测值的非线性函数,观测值的权是加权最小二乘参数估值的非线性函数。已有的乘性误差模型参数估计方法理论上可以达到二阶无偏,但精度评定方法只能达到一阶精度,并且参数估计逐步的迭代过程使得参数及改正数的每一步估值都具有随机性,使得最终的参数估值与观测值为复杂的非线性关系。考虑到非线性迭代过程对加权最小二乘参数带来的影响,使用一种无需求导的Sterling插值方法求解参数估值的均值和标准差。模拟实验表明,当模型非线性较高时,考虑每次迭代的随机性对参数估值的影响可以得到更接近真值的参数估值,并且所提方法的精度评定可以达到二阶精度,验证了Sterling插值方法用于乘性误差模型参数估计及其精度评定的适用性和有效性。 相似文献
1