论文部分内容阅读
提出一种新的递推有界广义极大似然类（GM）回归估计器，新估计器所用的风险函数基于更一般的框架，并采用有界 M-估计函数。设计一个新的权函数拒绝或降低异常点对估计结果的影响，并增加一个增广项，提出一种具有较强自适应能力的面向自回归（AR）模型参数估计的算法。仿真结果表明：提出的GM回归估计器及面向AR模型的算法对异常点不利影响（主要来自于回归变量中的加性异常点）的抑制效果均优于其他GM估计器；在参数不做任何调整的情况下，面向AR模型的算法对非平稳环境下的估计具有良好的估计精度和收敛性。