| 词条 | 辅助变量估计 |
| 释义 | § 辅助变量估计 对于单输入单输出线性差分方程模型 它的线性最小二乘估计量为 式中θ为参数真值,Ξ＝【εn+1，εn+2…，εn+N】T,εk 为误差。在{εk}为相关噪声的情况下线性最小二乘估计 孌LS的后一项始终不为0,即孌LS与真值θ之间始终存在偏差量。为此引入新的估计量 式中W 称为辅助变量矩阵，它满足两个条件：随着观测数据长度的增加,依概率趋于一个满秩矩阵;而依概率趋于0。满足这两个条件的估计量孌IV称为辅助变量估计，它在误差序列{εk}为相关噪声的条件下，能得到趋于真值θ的弱一致性收敛的估计量。关键在于如何具体构造辅助变量矩阵。人们已经提出几种不同的构造方案,证明它们满足上述两个条件是很难的,但是在实际应用中已取得较好的效果。 辅助变量估计算法的计算量比线性最小二乘算法增加不多。在误差为相关噪声的情况下，估计精度较线性最小二乘估计有明显改善。它也有相应的递推估计算法。 § 配图 § 相关连接 |
| 随便看 |
百科全书收录594082条中文百科知识，基本涵盖了大多数领域的百科知识，是一部内容开放、自由的电子版百科全书。