导读:本文包含了极大似然线性回归论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模型,线性,算法,极值,说话,方差,尾数。
极大似然线性回归论文文献综述
丘甜,华伟平,李新光,白鹏[1]（2016）在《双幂变换下参数的极大似然估计存在唯一性研究——以线性回归模型为例》一文中研究指出在双幂变换下,使用极大似然估计方法估计正态线性回归模型中的变换参数,并研究其存在唯一性。根据极大似然函数性质可知,0是其无条件驻点。模拟研究表明,极大似然估计的取值满足存在唯一性,但模型中抽样的随机性会影响其取值是否为无条件驻点0。(本文来源于《武夷学院学报》期刊2016年03期）
丘甜,白鹏,华伟平[2]（2013）在《双幂变换下线性回归模型中参数的极大似然和最小二乘估计的比较研究》一文中研究指出在双幂变换下,分别使用极大似然估计和最小二乘估计两种方法估计正态线性回归模型中的参数。模拟研究表明了,在变换参数或方差取较大值的情形下,前者优于后者(在均方误差意义下);并且随着样本容量的增加,两种估计的效果无显着差别。(本文来源于《金融经济》期刊2013年24期）
彭小智,马凌[3]（2012）在《线性回归模型的后验极大似然估计》一文中研究指出与普通最小二乘法相比,线性模型参数的极大似然估计,在一般的条件下也具有很好的性质;而实际中,在进行统计推断之前,我们往往对参数的信息有一定把握。文章将利用参数的先验信息即先验分布,构造了线性模型参数的后验极大似然估计,并在两种先验分布的情形,给出了具体的结果。(本文来源于《统计与决策》期刊2012年05期）
陈存宝,赵力,邹采荣[4]（2011）在《基于极大似然线性回归的模型合成和特征映射进行说话人确认》一文中研究指出提出了基于极大似然线性回归(MLLR)调整的说话人模型合成和特征映射方法。MAP调整事后确定相应模型间线性关系,变换参数人为确定;而MLLR调整首先确定相应模型间线性关系,变换参数由训练数据确定,并且可以只调整均值向量。模型合成时,MLLR调整指定通用信道背景模型参数间的线性变换;特征映射时,MLLR调整指定Root GMM-UBM与通用信道背景模型参数间的线性变换。通过对模型参数进行分组调整,可以在训练数据和参数数目间达成平衡。实验结果表明,合适选取MLLR回归类,可以取得比相应MAP调整方法更好的识别效果。(本文来源于《声学学报》期刊2011年01期）
胡俊航[5]（2009）在《等式约束线性回归模型参数的极大似然估计》一文中研究指出运用参数的极大似然估计法,给出了在约束条件Hβ=c下非齐次等式约束线性回归模型Y=Xβ+ε的参数β和σ2的极大似然估计,并讨论了估计参数的性质。利用得到的估计公式对模型的进一步研究和应用具有一定的理论和实际价值。(本文来源于《武汉理工大学学报(信息与管理工程版)》期刊2009年04期）
杨柳,李济洪[6]（2009）在《极值分布右截尾线性回归模型参数的极大似然估计》一文中研究指出本文对右截尾数据的线性回归模型,在误差服从极值分布条件下,先给出其参数极大似然估计的一般迭代算法,然后证明了尺度参数为常数时EM算法与该一般迭代算法的一致性,保证了迭代的收敛.(本文来源于《山西师范大学学报(自然科学版)》期刊2009年02期）
李济洪,杨柳,王钰[7]（2009）在《截尾线性回归模型参数极大似然估计的存在性和唯一性》一文中研究指出考虑带有截尾数据的线性回归模型,在较为一般的截尾数据情形下,本文给出了其参数极大似然估计(MLE)存在且唯一的充分必要条件,且对MLE不存在的样本数据集Q的描述定义更为准确.(本文来源于《应用数学学报》期刊2009年02期）
钟绍军[8]（2007）在《凸约束广义线性回归模型参数的极大似然估计研究》一文中研究指出评估是社会经济学计量和测度的最重要的基础工作之一,甚至有人称我们现在的时代是评估的时代。众多的评估问题涉及指标的汇总,以前的评估方法其汇总系数多是事先人为指定的,而现在的趋势是根据样本科学计算而来,这就需要建立科学的评估模型。本文研究的是童恒庆教授(1993)被SCI收录的论文[1]中提出的评估模型,回归系数和因变量均未知,但其都含有约束条件,属于凸约束广义线性回归模型。本文是对这一模型理论和算法的深入研究,作者重点讨论了该模型参数的极大似然估计方法,及其大样本性质。本文主要从以下几个方面进行研究:(1)进一步研究评估模型基于凸集间的交互投影算法的最小二乘估计方法,证明了最小二乘解的存在性,并给出了详细的求解方法。同时还给出了当设计矩阵为复共线时,评估模型基于交互投影迭代算法的参数岭估计算法。(2)推导了利用EM算法求评估模型参数的极大似然估计算法实施过程,并对评估模型改进了EM算法求期望步时的积分求解算法,大大的方便了算法的程序设计实现,为此本文作者还编制了专门的程序模块用来实现上面的求解过程,数值实验表明算法较优。(3)重点讨论了评估模型参数的极大似然估计方法,以及MLE的收敛性和渐近性。首先给出了凸约束条件下广义线性回归模型参数的极大似然估计的EM算法及其产生的序列的收敛性的定义。然后详细证明了本模型中EM算法是收敛的,并且产生的序列也是收敛的。这就保证了我们程序不可能无休止的迭代下去。接下来,我们重点讨论了EM算法的渐近性。在评估样本趋于无穷的时候,我们得到了EM算法的极限形式,由极大似然估计的渐近性可知,极限形式的解收敛到问题的真值。我们又通过证明得出:EM算法序列依概率收敛到极限问题的最优解。这样我们设计的评估模型基于EM算法的参数极大似然估计依概率收敛到模型的真值,完成了渐近性理论的研究。(4)应用我们的评估模型解决了全要素生产率(TFP)计算中的一个困难问题。应用生产函数计算TFP存在计算困难:回归系数比样本还多。诺贝尔奖获得者丁伯根教授假定回归系数为指数函数形式,大大减少了回归系数个数,但是这个假定显然过于严格,也许根本不符合实际。应用评估模型,我们只需在生产函数中假定TFP在每一个小的时间范围内是常量,即系数分段待定,这个假定显然比较宽松合理。对比一般线性回归模型、因子分析模型、路径分析模型结构,可以知道我们的评估模型在完善线性回归模型结构方面的理论意义。深入理解该模型的基于凸集间的交互投影算法的最小二乘估计以及基于EM算法的最大似然估计,可以知道算法构造的技巧性。由于TFP测度的重要性,可以知道我们的模型和计算方法具有重要的应用价值和实践意义。(本文来源于《武汉理工大学》期刊2007-10-01）
杨柳[9]（2006）在《异方差截尾线性回归模型参数极大似然估计的存在性》一文中研究指出在试验设计中,如果观测值是完整数据,即试验中没有数据是截尾的,则使用传统的方法如最小二乘法等就可以分析。但是,对于有截尾观测数据的线性回归模型,这种方法不适合。似然方法能够容易地同时处理完整数据和截尾数据。对截尾数据用似然方法的一个问题是未知参数的极大似然估计(MLE)可能是无穷大,即MLE不存在。因此研究MLE的存在性问题很有必要。Sivapulle和Burridge(1986)给出了同方差下截尾线性回归模型参数的MLE存在的充分必要条件并可以转化为线性规划的问题。Hamada和Tse(1988)给出了方差为常数,截尾线性回归模型参数MLE存在的充分必要条件。但对于异方差截尾线性回归模型参数MLE是否存在和将方差作为试验因子的函数建立散度模型后参数MLE是否存在的问题,文献中都没有研究。尽管毕华(2004)在前人的基础上提出了在异方差截尾线性回归模型同时估计位置效应和散度效应的迭代算法,也还是没有讨论在这个模型下参数MLE是否存在的问题。 本文在Sivapulle和Burridge(1986)的基础上,将同方差下截尾线性回归模型参数MLE存在的充分必要条件进行改进,提出异方差截尾线性回归模型参数MLE不存在的条件并证明,此条件可以转化为线性规划的问题,同时给出几种特殊的情形判断参数MLE不存在的更简单的条件;接着给出将方差作为试验因子的函数建立散度模型后参数MLE不存在的条件并证明。(本文来源于《山西大学》期刊2006-06-01）
王钰,杨柳,李济洪[10]（2006）在《截尾线性回归模型参数极大似然估计的EM算法》一文中研究指出对区间截尾的线性回归模型,在误差服从正态分布的条件下,给出其基于似然方程的参数极大似然估计(M ax im um L ike lihood E stim ate,M LE)的一般迭代算法,证明了EM算法与该一般迭代算法的一致性,由EM算法的性质保证了迭代的收敛性,证明了M urray A itk in给出的右截尾数据回归模型参数M LE的EM算法是本文的一个特例以及EM算法收敛点的唯一性.(本文来源于《中北大学学报(自然科学版)》期刊2006年02期）
极大似然线性回归论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在双幂变换下,分别使用极大似然估计和最小二乘估计两种方法估计正态线性回归模型中的参数。模拟研究表明了,在变换参数或方差取较大值的情形下,前者优于后者(在均方误差意义下);并且随着样本容量的增加,两种估计的效果无显着差别。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
极大似然线性回归论文参考文献
[1].丘甜,华伟平,李新光,白鹏.双幂变换下参数的极大似然估计存在唯一性研究——以线性回归模型为例[J].武夷学院学报.2016
[2].丘甜,白鹏,华伟平.双幂变换下线性回归模型中参数的极大似然和最小二乘估计的比较研究[J].金融经济.2013
[3].彭小智,马凌.线性回归模型的后验极大似然估计[J].统计与决策.2012
[4].陈存宝,赵力,邹采荣.基于极大似然线性回归的模型合成和特征映射进行说话人确认[J].声学学报.2011
[5].胡俊航.等式约束线性回归模型参数的极大似然估计[J].武汉理工大学学报(信息与管理工程版).2009
[6].杨柳,李济洪.极值分布右截尾线性回归模型参数的极大似然估计[J].山西师范大学学报(自然科学版).2009
[7].李济洪,杨柳,王钰.截尾线性回归模型参数极大似然估计的存在性和唯一性[J].应用数学学报.2009
[8].钟绍军.凸约束广义线性回归模型参数的极大似然估计研究[D].武汉理工大学.2007
[9].杨柳.异方差截尾线性回归模型参数极大似然估计的存在性[D].山西大学.2006
[10].王钰,杨柳,李济洪.截尾线性回归模型参数极大似然估计的EM算法[J].中北大学学报(自然科学版).2006
论文知识图
