基于樣本效應(yīng)的回歸預(yù)測方法研究.pdf_第1頁
已閱讀1頁,還剩68頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、回歸分析作為現(xiàn)實中常用的預(yù)測方法之一,在諸多領(lǐng)域取得了良好的應(yīng)用效果。且回歸模型的可靠程度強烈地依賴于樣本數(shù)據(jù)的可靠程度。但值得注意的是,現(xiàn)實預(yù)測過程中人們常常無法得到近乎完美的數(shù)據(jù),同時也無法避免樣本數(shù)據(jù)的選擇和處理過程中帶一定主觀性。一旦數(shù)據(jù)本身及其處理方法存在某種缺陷,回歸分析結(jié)果可靠程度將會受到嚴(yán)重影響,即以數(shù)據(jù)為根本的回歸模型價值將大打折扣。雖然目前對經(jīng)典回歸模型進行修正或改進研究較多,但是大多以樣本數(shù)據(jù)完全可靠為基本前提,且

2、嚴(yán)格遵從回歸模型苛刻的假設(shè)條件,并未考慮不同可靠程度樣本數(shù)據(jù)對回歸模型結(jié)果可靠程度的本質(zhì)影響。而具有不同可靠度的樣本數(shù)據(jù)是現(xiàn)實預(yù)測過程中常遇到的一種形式,因此在考慮樣本數(shù)據(jù)不完全可靠情況下,研究回歸預(yù)測模型具有重要的理論意義和應(yīng)用價值。
  本文結(jié)合現(xiàn)行回歸模型沒有充分考慮樣本可靠性及回歸檢驗?zāi)P偷目量糖疤峒僭O(shè),主要做了以下幾方面的工作。為構(gòu)建高效的回歸模型:1)針對樣本的描述體系,增加了描述樣本滿意度的輔助指標(biāo),提出了反應(yīng)決策者

3、樣本意識的基本效應(yīng)函數(shù),進而構(gòu)建了基于效應(yīng)綜合的回歸模型,簡記為BSE-RM;考慮到傳統(tǒng)回歸結(jié)果描述體系中沒有自樣本可靠度進行刻畫的指標(biāo),本文構(gòu)建了基于效應(yīng)綜合的回歸可信度評價指標(biāo),將該模型應(yīng)用到現(xiàn)實案例中,并分析了所建模型的實用價值。2)由于回歸模型的假設(shè)條件與最小二乘法的性質(zhì)無關(guān),但與回歸模型的檢驗密切相關(guān)。因此,大多數(shù)不滿足假設(shè)條件的回歸模型無法通過現(xiàn)行的檢驗方法驗證其可靠性。針對此問題,本文通過隨機抽樣的理論方法構(gòu)建了波動統(tǒng)計量

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論