Учебник по промышленной статистике


Нелинейное оценивание - часть 12


В этом уравнении, xp обозначает группирующую переменную, содержащую коды, определяющие завод, b10, b20 и b30 соответствуют свободным членам, а b11, b21 и b31 определяют угловые коэффициенты графика себестоимости (коэффициенты регрессии) для каждого завода. Вы можете сравнить правдоподобие этой и обычной регрессионной модели (без рассмотрения различных заводов) для того, чтобы определить более подходящую.

В начало


 

Методы нелинейного оценивания

  • Метод наименьших квадратов
  • Функция потерь
  • Метод взвешенных наименьших квадратов
  • Метод максимума правдоподобия
  • Максимум правдоподобия и логит/пробит модели
  • Алгоритмы минимизации функций
  • Начальные значения, размеры шагов и критерий сходимости
  • Штрафные функции, ограничение параметров
  • Локальные минимумы
  • Квази-ньютоновский метод
  • Симплекс-метод
  • Метод Хука-Дживиса
  • Метод Розенброка
  • Матрица Гессе и стандартные ошибки


Методы нелинейного оценивания

  • Метод наименьших квадратов
  • Функция потерь
  • Метод взвешенных наименьших квадратов
  • Метод максимума правдоподобия
  • Максимум правдоподобия и логит/пробит модели
  • Алгоритмы минимизации функций
  • Начальные значения, размеры шагов и критерий сходимости
  • Штрафные функции, ограничение параметров
  • Локальные минимумы
  • Квази-ньютоновский метод
  • Симплекс-метод
  • Метод Хука-Дживиса
  • Метод Розенброка
  • Матрица Гессе и стандартные ошибки

 

Метод наименьших квадратов.
Метод наименьших квадратов.

Некоторые более общие типы регрессионных моделей рассмотрены в разделе Основные типы нелинейных моделей. После выбора модели возникает вопрос: каким образом можно оценить эти модели? Если вы знакомы с методами линейной регрессии (описанными в разделе Множественная регрессия) или дисперсионного анализа (описанными в разделе Дисперсионный анализ), то вы знаете, что все эти методы используют оценивание по методу наименьших квадратов. Основной смысл этого метода заключается в минимизации суммы квадратов отклонений наблюдаемых значений зависимой переменной от значений, предсказанных моделью. (Термин наименьшие квадраты впервые был использован в работе Лежандра - Legendre, 1805.)



Начало  Назад  Вперед