众文网1.急求有关最小二乘法的文献综述
许禄，《化学计量学方法》，科学出版社，北京，1995。
王惠文，《偏最小二乘回归方法及应用》，国防科技出版社，北京，1996。
Chin, W. W., and Newsted, P. R. (1999). Structural Equation Modeling analysis with Small Samples Using Partial Least Squares. In Rick Hoyle (Ed.), Statistical Strategies for Small Sample Research, Sage Publications.
Chin, W. W. (1998). The partial least squares approach for structural equation modelling. In George A. Marcoulides (Ed.), Modern Methods for Business Research, Lawrence Erlbaum Associates.
Barclay, D., C. Higgins and R. Thompson (1995). The Partial Least Squares (PLS) Approach to Causal Modeling: Personal Computer Adoption and Use as an Illustration. Technology Studies, volume 2, issue 2, 285-309.
Chin, W. W. (1995). Partial Least Squares Is To LISREL As Principal Components Analysis Is To Common Factor Analysis. Technology Studies. volume 2, issue 2, 315-319.
Falk, R. F. and N. Miller (1992). A Primer For Soft Modeling. Akron, Ohio: The University of Akron Press.
Fornell, C. (Ed.) (1982). A Second Generation Of Multivariate Analysis, Volume 1: Methods. New York: Praeger.
2.数学与应用数学 毕业论文摘要翻译：
Abstract: the aging of the population is 21 century the general trend of the countries around the world. The problem of aging population and its influence, has drawn the attention of the society from all walks of life, become experts at home and abroad research of the hot spots.
Hengyang city in hunan province is located in the south, has "the wild city" say, is the largest city of hunan and political, economic and cultural center, is the second largest city of hunan province. The present situation of hengyang the ageing population is establish a series of measures to deal with the foundation of the aging population, the author USES the least square method constructed the population aging in our country, the binary regression forecasting model, and gets 2005 to 2050 hengyang population aging (65 +) coefficient, and in accordance with the prediction that the elderly population quantity, hengyang aging faster-obviously, trend, etc.
And in the light of the aging population problem from stable low birth level, to change ideas, to keep the economy yet fast development and reasonable allocation and use of labor resources and perfect social old-age security system, a sound legal system, put forward the corresponding countermeasures.
Keywords: aging population; The least square method; Binary regression forecasting model.
3.求救：回归分析：最小二乘法样本：07年
最小二乘法是一种数学优化技术，它通过最小化误差的平方和找到一组数据的最佳函数匹配。
最小二乘法是用最简的方法求得一些绝对不可知的真值，而令误差平方之和为最小。 最小二乘法通常用于曲线拟合。
很多其他的优化问题也可通过最小化能量或最大化熵用最小二乘形式表达。 比如从最简单的一次函数y=kx+b讲起 已知坐标轴上有些点（1.1,2.0）,(2.1,3.2),(3,4.0),(4,6),(5.1,6.0)，求经过这些点的图象的一次函数关系式. 当然这条直线不可能经过每一个点，我们只要做到5个点到这条直线的距离的平方和最小即可，这这就需要用到最小二乘法的思想.然后就用线性拟合来求.。
4.【最小二乘法基本原理
最小二乘大约是1795年高斯在他那星体运动轨道预报工作中提出的[1].后来，最小二乘法就成了估计理论的奠基石.由于最小二乘法结构简单，编制程序也不困难，所以它颇受人们重视，应用相当广泛.如用标准符号，最小二乘估计可被表示为：AX=B (2-43)上式中的解是最小化 ，通过下式中的伪逆可求得：A'AX=A'B (2-44)(A'A)^(-1)A'AX=(A'A)^(-1)A'B (2-45)由于（A'A）^-1A'A=I (2-46)所以有X=(A'A)^(-1)A'B (2-47)此即最小二乘的一次完成算法，现代的递推算法，更适用于计算机的在线辨识.最小二乘是一种最基本的辨识方法，但它具有两方面的缺陷[1]：一是当模型噪声是有色噪声时，最小二乘估计不是无偏、一致估计；二是随着数据的增长，将出现所谓的“数据饱和”现象.针对这两个问题，出现了相应的辨识算法，如遗忘因子法、限定记忆法、偏差补偿法、增广最小二乘、广义最小二乘、辅助变量法、二步法及多级最小二乘法等.。
5.
论文关键词：计量经济学；模型；假定；参数枯计；检验 论文摘要：计量经济学是一门涉及面广、计算复杂的较难学的课程。
从学这门课应具备的知识条件入手。分析了学好的关键问题是：要把握线性回归模型的几个基本假定，要学会建模，要懂得几种参数估计的方法，还要明白模型检验的意义。
计量经济学是经济学领域内的一门应用性学科。它是以统计知识、数学方法为基础，以一定的经济理论为指导，以计算机为手段，通过建立计量经济模型，考察和研究经济社会中各种经济变量之间的数量关系，预测经济发展的趋势，检验经济政策效果的一门非常具有实用价值的学科。
现在很多专业都开设这门课。但由于这门课涉及的知识面广、计算公式多而复杂，要求的应用手段高，所以，学生在学的过程中感到比较困难，且学的效果也不太理想。
本人根据自己的教学体会，谈谈学好这门课应注意的几个关键问题。 首先.学生学这门课程必须具备以下条件：统计学、数学和经济学知识以及计算机技术。
且缺一不可。 （一）对统计学而言，为了测定经济变量之间的数量关系，计量经济研究过程中采用了统计学的分析方法，如：计量经济学模型的统计检验、参数估计的方法以及建立模型所需要的统计数据资料的搜集等都离不开统计方法。
特别是统计数据的搜集、整理和分析。因此，统计学就成为计量经济学研究的基础。
统计资料的准确性、时效性和系统性就成为计量经济学模型建立的好坏、参数估计代表性大小的影响因素。 （二）对经济学而言，经济学是计量经济学的理论基础，因为计量经济学研究的主题是经济现象发展变化的规律，计量经济模型描述的是经济变量之间的数量关系，这就决定了计量经济研究必须以经济理论和经济运行机制作为建立模型的理论基础。
如消费函数和投资函数的建立，就是以不同的消费理论和投资理论为前提的。此外，计量经济研究的结论反过来可以验证有关经济理论的正确与否。
（三）对数学而言，为了将经济理论和客观事实有机的结合起来，需要采用适当的方法。由于计量经济学研究的主要是多个因素之间静态或动态的随机关系，所以需要引人数理统计以及微积分与矩阵等理论方法，这些方法成为计量经济研究的建模工具。
如利用最小二乘法估计模型中的参数就利用到微积分中的极值原理，在多元线性回归模型中要用矩阵理论推导参数的性质，在搜集资料时要用抽样理论等。现在经济学研究的数学化和定量化是经济学科学化的标志。
这种科学化推动了经济学领域的发展，如微分学与边际理论，优化方法与最优配置理论，所以，数学是计量经济分析的一个基本工具，用数学方法去思考和描述经济问题和政策，这是计量经济学的关键。 （四）对计算机技术而言，社会发展到今天，计算机已普遍运用到定量分析中，定量分析是依据数理统计理论的发展而发展起来的。
它包括系统论、信息论和控制论，其多数方法复杂，计算工作量大，这就需要利用计算机软件来解决问题。 所以，要想学好计量经济学，学生就必须要有厚实的统计学基础，扎实的数学功底和熟练的计算机应用技术。
否则，分析问题时将会很困难，甚至分析不下去，即使分析出来，结论和实际也会有很大偏差或者根本和实际经济运行规律相违。 其次，学生学这门课必须注意把握线性回归模型的几个基本假定。
（一）几个基本假定是运用最小二乘法的前提条件。对于线性回归模型，模型估计的任务是用回归分析的方法估计模型的参数，常用的方法是普通最小二乘法，简称ors法，为保证参数估计量具有良好的性质，就需对模型提出几个假定。
如果实际模型满足这些假定，ors法就是一种适用的方法，如果实际模型不满足这些假定，ors法就不再适用，这就需要发展其它方法来估计模型。因此它是运用ors法的前提。
几个基本假定是：1、假定解释变量xi是确定性变量，不是随机变量，且之间互不相关。（ 是第i个解释变量）；2、零均值假定，即，其中为随机误差项；3、同方差假定，即，其中为方差；4、无自相关假定，即COV;5、解释变量与随机误差项之间互不相关假定，即；6、随机误差相服从均值为0，方差为的正态分布假定，即 。
（二）几个基本假定是贯穿计量经济学的一条主线。计量经济学研究的一个主要任务是对模型进行计量经济检验，目的是检验计量经济学的性质。
一般是检验模型中随机误差项是否存在异方差和序列相关的问题、解释变量是否存在多重共线性问题以及解释变量是否是随机变量，这些问题都是根据这几个基本假定而来的，即如果违背了同方差假定，模型就存在异方差，即；如果违背解释变量之间互不相关假定，模型就存在多重共线性问题，即0；如果违背随机误差项在不同样本点之间互不相关假定，模型就存在自相关问题，即0；如果违背解释变量是确定性变量的假定，那么模型就存在解释变量是随机变量的问题。每一个问题都有它产生的原因，会造成不同的后果，因此，就有不同的模型检验、处理和估计的方法，所以学生要特别注意把握这几个基本假定。
第三.学生学这门课要了解为什么要建模.以及如何建模？ 模型就是表达研究系统内经济变量之间关。
6.最小二乘法原理及应用
最小二乘大约是1795年高斯在他那星体运动轨道预报工作中提出的[1]。后来，最小二乘法就成了估计理论的奠基石。由于最小二乘法结构简单，编制程序也不困难，所以它颇受人们重视，应用相当广泛。
如用标准符号，最小二乘估计可被表示为：
AX=B (2-43)
上式中的解是最小化 ，通过下式中的伪逆可求得：
A'AX=A'B (2-44)
(A'A)^(-1)A'AX=(A'A)^(-1)A'B (2-45)
由于
(A'A)^-1A'A=I (2-46)
所以有
X=(A'A)^(-1)A'B (2-47)
此即最小二乘的一次完成算法，现代的递推算法，更适用于计算机的在线辨识。
最小二乘是一种最基本的辨识方法，但它具有两方面的缺陷[1]：一是当模型噪声是有色噪声时，最小二乘估计不是无偏、一致估计；二是随着数据的增长，将出现所谓的“数据饱和”现象。针对这两个问题，出现了相应的辨识算法，如遗忘因子法、限定记忆法、偏差补偿法、增广最小二乘、广义最小二乘、辅助变量法、二步法及多级最小二乘法等。