| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-17页 |
| 1.1 本文的研究目的与意义 | 第11-12页 |
| 1.2 线性模型参数估计研究现状 | 第12-15页 |
| 1.2.1 线性模型的参数估计方法的研究现状 | 第12-14页 |
| 1.2.2 多个参数估计的比较条件的研究现状 | 第14-15页 |
| 1.3 技术路线、研究内容 | 第15-17页 |
| 1.3.1 研究的技术路线 | 第15-16页 |
| 1.3.2 研究的主要内容 | 第16-17页 |
| 2 传统线性估计模型 | 第17-31页 |
| 2.1 预备知识 | 第17-21页 |
| 2.1.1 矩阵的基础知识 | 第17-18页 |
| 2.1.2 线性模型的基础知识 | 第18-20页 |
| 2.1.3 数据标准化处理 | 第20-21页 |
| 2.2 几种最小二乘估计 | 第21-24页 |
| 2.2.1 传统最小二乘估计 | 第21-23页 |
| 2.2.2 约束最小二乘估计 | 第23页 |
| 2.2.3 广义最小二乘估计 | 第23-24页 |
| 2.3 有偏线性估计 | 第24-30页 |
| 2.3.1 复共线性 | 第24-25页 |
| 2.3.2 诊断共线性的方法 | 第25-26页 |
| 2.3.3 典则形式 | 第26页 |
| 2.3.4 岭估计 | 第26-27页 |
| 2.3.5 主成分估计 | 第27-29页 |
| 2.3.6 Liu估计及广义Liu估计 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 有偏估计的比较条件 | 第31-42页 |
| 3.1 评价准则 | 第31-33页 |
| 3.1.1 均方误差 | 第31页 |
| 3.1.2 Pitman准则 | 第31-32页 |
| 3.1.3 相对效率 | 第32-33页 |
| 3.2 广义岭估计在相对效率意义下与最小二乘估计的比较 | 第33-37页 |
| 3.3 Liu估计在相对效率意义下与最小二乘估计的比较 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于I-divergence测度的约束型有偏估计方法 | 第42-53页 |
| 4.1 引言 | 第42-43页 |
| 4.2 I-divergence测度 | 第43-44页 |
| 4.3 基于I-divergence测度的约束型有偏估计方法 | 第44-48页 |
| 4.3.1 差异性函数 | 第44页 |
| 4.3.2 迭代算法 | 第44-46页 |
| 4.3.3 收敛性分析 | 第46-48页 |
| 4.4 I-divergence估计与其它有偏估计比较仿真 | 第48-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 基于I-divergence估计的股票定价方法研究 | 第53-57页 |
| 5.1 研究背景及问题 | 第53-55页 |
| 5.2 基于I-divergence估计的股票定价实例分析 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 6 结论和展望 | 第57-59页 |
| 6.1 结论 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63页 |
