2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、回歸分析是利用最小平方法確定自變數(shù)與依變數(shù)之間數(shù)量化關(guān)系的統(tǒng)計分析方法,并對目標(biāo)變數(shù)作出數(shù)值分析和預(yù)測。相比其它統(tǒng)計分析方法而言,有更悠久的歷史,由于其應(yīng)用的假定條件大多能夠得到滿足,統(tǒng)計推斷的基礎(chǔ)牢固,故結(jié)論也較為可信。線性回歸分析的應(yīng)用非常廣泛,求算過程簡單,容易為大多數(shù)使用者掌握,現(xiàn)有統(tǒng)計軟件包使各種回歸方法計算十分方便。然而,在科學(xué)研究的許多領(lǐng)域,例如農(nóng)學(xué)、生物學(xué)、化工學(xué)等,自變量與依變量之間的關(guān)系并非僅是線性,還可能存在冪響應(yīng)

2、和互作效應(yīng)等;自變量之間還可能存在多重共線性,較大程度影響回歸分析的結(jié)果。這是多元線性回歸分析中普遍存在的現(xiàn)象,出現(xiàn)以上問題時,利用最小平方法無法或不能準(zhǔn)確估計回歸參數(shù)。在做具體科研試驗特別是醫(yī)學(xué)實驗和工業(yè)試驗時,由于經(jīng)費、試驗條件等方面的限制,還有可能出現(xiàn)考察自變量個數(shù)大于甚至遠(yuǎn)遠(yuǎn)大于試驗次數(shù)的情況,即超飽和模型的問題。針對實際運用中回歸分析可能存在的各種復(fù)雜情形,至今已提出不少解決各類問題的方法,有處理多重共線性提出的方法和處理超飽

3、和模型的方法。
   本文對處理多重共線性和處理超飽和模型的一些較常用的方法進(jìn)行總結(jié)介紹,分析各種方法的特點。多重共線性的概念提出較早,處理方法也較多,較常用的方法有嶺回歸,主成分回歸,逐步回歸和偏最小二乘回歸等。處理超飽和模型的方法可歸為兩類,即變量篩選和縮減估計。變量篩選是一種降維的重要方法,有最優(yōu)子集法和逐步回歸法兩類。篩選標(biāo)準(zhǔn)是變量篩選的關(guān)鍵問題之一??s減估計是將所有選入變量的回歸估計值向零縮減,而不是將不顯著的變量從模

4、型中剔除。顧世梁多年前提出的一種新的回歸分析方法--篩選逐步回歸,屬于變量篩選。該方法不僅具有傳統(tǒng)逐步回歸分析的功效,而且適用于處理多重共線性和超飽和模型的分析。該方法對于回歸參數(shù)的估計相當(dāng)準(zhǔn)確,而且該方法直觀易懂,容易被使用者掌握。但是該方法也存在一些不足,在變量篩選的顯著性標(biāo)準(zhǔn)等問題上還需進(jìn)一步優(yōu)化,提高算法程序的敏感度和特異度,同時也應(yīng)縮短運算時間,提高運算效率。
   為了解決多元線性回歸分析中存在的各種問題,得到更優(yōu)化

5、的參數(shù)估計,促進(jìn)多元線性回歸分析方法的廣泛應(yīng)用,本文對篩選逐步回歸方法進(jìn)行重點研究。新方法采用在基本自變數(shù)回歸基礎(chǔ)上逐一篩選其余自變數(shù),并對已剔除的自變數(shù)進(jìn)行多輪篩選過程,改變顯著自變數(shù)項選入和剔除的標(biāo)準(zhǔn),獲得包含主要效應(yīng)分量的優(yōu)化回歸方程。本文對于新算法基于MATLAB平臺編制算法軟件,以各種模擬和實例驗證其統(tǒng)計功效。
   本研究采用了不同類型的數(shù)據(jù),模擬了不同復(fù)雜程度的效應(yīng),用改良后的篩選逐步回歸法進(jìn)行回歸分析,并與E-b

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(hù)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。

最新文檔

評論

0/150

提交評論