线性回归参数的总体最小二乘估计新算法
2015-03-28刘国仕吴泽强
测绘工程 2015年1期
关键词:模型
徐 陶,刘国仕,俞 友,吴泽强
(1.湖南省地质矿产勘查开发局402队,湖南 长沙410014;2.湖南省勘测设计院,湖南 长沙 410014;3.长安大学 地质工程与测绘学院,陕西 西安710054)
关于总体最小二乘原理在测量数据处理中的应用,近年来测量学者们已进行广泛的研究,并针对测量平差模型提出一些解决总体最小二乘问题的算法[1-4],这些算法对总体最小二乘原理在测量数据处理中的应用有着重要的作用。但对于考虑自变量误差的线性回归问题,这些算法有一定的局限性。这是因为线性回归模型中的系数矩阵存在常数列,对其也进行改正是不合理的。一般对于线性回归的总体最小二乘求解都是采用混合总体最小二乘法[5-7],但混合总体最小二乘法采用的矩阵分解不利于测量人员理解且没有考虑到测量平差的优势。文献[12]先将数据中心化,即分离线性回归系数矩阵中的常数列,再采用奇异值分解法进行回归参数求解。这样处理比较合理,但计算较为复杂。文献[13]提出一元线性回归的总体最小二乘迭代算法,但没有统一到多元线性回归模型。鉴于此,本文在一元线性回归总体最小二乘平差模型的基础上,推导了解线性回归参数的总体最小二乘迭代算法,并给出算例,证明算法在进行线性回归参数估计时的正确性和合理性。
1 算法推导
1.1 一元线性回归总体最小二乘算法
一元线性回归总体最小二乘平差模型为

式中:y = [y1… ym]T,x = [x1… xm]T,vy=[vy1… vym]T,vx= [vx1… vxm]T。将式(1平差模型展开后按总体最小二……
登录APP查看全文
