优化STR模型的实证研究  

Empirical Research on Optimized STR Model

作　　者：昌春艳[1,2] 王沁[1] 田锟[3] 刘娟[1] 

机构地区：[1]西南交通大学数学学院,四川成都610031 [2]四川建筑职业技术学院计算机工程系,四川德阳618000 [3]西华师范大学数学与信息学院,四川南充637002

出　　处：《武汉理工大学学报（信息与管理工程版）》2013年第4期565-569,共5页Journal of Wuhan University of Technology：Information & Management Engineering

基　　金：教育部人文社会科学研究基金资助项目(09YJZH104);中央高校基本科研业务费专项资金资助项目(SWJTU09CX075)

摘　　要：采用平滑转换回归(smooth transition regression,STR)模型对GDP与工资总额之间的非线性关系进行了研究。通过各种检验后选择LSTR模型进行回归分析,得到了GDP与工资总额之间的非线性函数关系。在采用高斯-牛顿算法获得参数估计的基础上,应用搜索法优化LSTR模型参数的估计。结果表明,用搜索法对参数进行估计,优化的STR更具有准确性,可提高模型的拟合程度。The smooth transition regression （STR） model was used to analyze the inherent relationship between GDP and to- tal wages. The LSTR model was chosen to make regression analysis after a variety of hypothesis testings. Then the nonlinear rela- tionship between the GDP and total wages was obtained. On the basis of achieving parameter estimation by Gaussian - Newton al- gorithm, Grid search method was used to optimize the estimation of LSTR model parameter. The results show that the Grid search method is better than Gaussian - Newton algorithm in parameter estimation.

关 键 词：STR模型 高斯-牛顿算法 搜索法 

分 类 号：O212.3[理学—概率论与数理统计]