Metoda najmniejszych kwadratów dla estymacji parametrów w nieliniowych modelach regresji

• Autorzy: Jacek Bojarski , Roman Zmyślony
• Języki publikacji: PL

Abstrakty

Na podstawie symulacji widzimy, że zaproponowana metoda może być alternatywna dla znanych metod opartych na wykorzystaniu hesjanu. Szczególnie korzystne wyniki uzyskano w przypadku funkcji wykładniczej. Prezentowana metoda częściej dochodzi do punktu optymalnego od pozostałych. Również liczba iteracji w wielu przypadkach jest mniejsza od innych metod. W drugiej symulacji dla funkcji Tornquista daje gorsze wyniki. Ma największą liczbę przypadków, w których optimum nie zostało osiągnięte. Ale patrząc na przypadki, w którym dochodzi do optimum, liczba iteracji jest mniejsza od metody ML i porównywania z GN. Otwartym zagadnieniem jest dobór kroków i kierunków.(fragment tekstu)

Słowa kluczowe

PL

Nieliniowe modele demometryczne; Modele regresji; Estymacja

EN

Nonlinear demometric models; Regression models; Estimation

• Czasopismo: Prace Naukowe / Akademia Ekonomiczna w Katowicach
• Rocznik: 2009
• Tom: Metody matematyczne, ekonometryczne i komputerowe w finansach i ubezpieczeniach 2008
• Strony: 451--461

Twórcy

autor

Jacek Bojarski

• Uniwersytet Zielonogórski

autor

Roman Zmyślony

• Uniwersytet Zielonogórski

Bibliografia

• Björck A., Least Squares Methods, Handbook of Numerical Analysis, Vol. I, Elsevier Science and J.L. Lions, 1990
• Fletcher R., Practical Methods of Optimization, 1: Unconstrained Optimization, Wiley, New York, 1980
• Nocedal J., Wright S.J., Numerical Optimization, Springer, New York, 1999
• Marquardt D., An algorithm for least-squares estimation of nonlinear parameters, siam J. Appl. Math., 1963, Vol. 11
• Rao C.R., Modele liniowe statystyki matematycznej, PWN, Warszawa 1982
• R Development Core Team: R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria 2005. URL http://www.R-project.org