论文部分内容阅读
关于双线性时间序列模型BL(p，q，P,Q)的定阶问题，前人已经做了很多工作，并研究出了一些对于模型系数进行估计的优良算法，比如遗传算法等。但对于模型定阶的问题，本文希望模型回归的非零系数尽可能的少一些，并且这些非零参数对响应变量的影响尽可能的大。现有的模型定阶和参数回归方法并不能很好的满足这个要求。因此，本文需要引入Lasso方法，它的优势在于能够合理压缩模型参数。 本文综合运用Lasso方法、广义交叉核实方法(统称为GCV)、最小角度回归(Lars)方法和逐步回归(Step)方法，即GLLS方法对BL模型进行定阶，并通过数据模拟和实例应用证明了利用GLLS方法拟合模型不但简洁、准确率比较高，而且模型系数估计能够收敛到全局最优解，这使得模型的稳定性更强。