带有缺失数据的混合空间自回归模型的参数估计  

Parameter Estimation of Mixed Space Autoregressive Model with Missing Data

作　　者：曾梅 马娟娟 刘婷 Zeng Mei;Ma Juanjuan;Liu Ting(College of Information Engineering,Tarim University,Alear 843300,China)

机构地区：[1]塔里木大学信息工程学院,新疆阿拉尔843300

出　　处：《黑龙江科学》2025年第6期57-59,共3页Heilongjiang Science

基　　金：塔里木大学校长基金自然科学类胡杨英才项目(TDZKSS202332,TDZKSS202344)。

摘　　要：实际研究中,缺失数据的问题不可避免,而针对因变量含有缺失数据的混合空间自回归模型,对比分析直接删除法和回归插补法处理数据之后再利用极大似然估计(MLE)和两阶段最小二乘估计(2SLS)得到的模型参数估计效果,从实验结果和实证分析中发现无论是使用MLE还是2SLS,相比于直接删除有缺失样本,回归插补之后再进行参数估计的效果更好,为实际中的数据建模提供了一定的参考依据。In actual research,the problem of missing data is inevitable.For the mixed spatial autoregressive model with missing data in the dependent variable,the study compares the analyzes the model parameter estimation effect obtained by direct deletion method and regression interpolation method after data processing,and then conducts the maximum likelihood estimation(MLE)and two-stage least squares estimation(2SLS).From the experimental results and empirical analysis,it is found that whether MLE or 2SLS is used,the effect of parameter estimation after regression interpolation is better than direct delection of missing samples,which provides a certain reference basis for data modeling in practice.

关 键 词：参数估计 混合空间自回归模型 缺失数据 

分 类 号：O212[理学—概率论与数理统计]