一类出口量模型的实证分析

以中国出口量线性回归模型为例,对多重共线性问题进行着重分析.建模过程基于OLS估计,构造统计量,进行多角度的统计检验并修正.最终实证表明:多重共线性是一个程度的问题而不仅仅"是否"存在的问题,尽管模型中存在多重共线性,会引起参数估计值方差的增大,但模型仍然具有较好的预测作用.     

基于岭回归法的工业产品成本预测模型

为了提高工业产品成本预测模型的精确度,必须对原始数据进行预处理和诊断.通过对成本原始数据进行时间价值和学习曲线效应的修正,并采用矩阵的奇异值分解和方差分解比诊断法进行数据的多重共线性诊断,分别采用帽子矩阵法和剔除后的t化残差进行自变量、因变量异常值诊断,用库克距离进行强影响值的诊断.保证了模型所用数据满足要求,提高模型的精度.采用岭回归法建立了复杂产品的成本预测模型,有效估算了待估的产品成本;统计检验和误差分析证明了这一方法的可用性和准确性.这种筛选分析数据、建立估算模型的方法可用于复杂产品设计的方案阶段,以提供较准确的成本预测.     

一种结构健康监测的传感器优化布置算法

在对建筑结构进行健康监测或损伤检测时,通常需要进行结构的模态测试．传感器布设的位置与数 量则对模态试验结果起着至关重要的影响．提出了一种基于奇异值分解的传感器布置新算法．首先根据线 性模型估计理论,将待监测的目标模态振型视为线性模型的设计矩阵,利用奇异值分解的算法,将设计矩 阵分解,根据各个自由度对目标模态振型贡献进行传感器优化布置方案的设计．     

基于多重共线性的Lasso方法

多重共线性是多元线性回归分析中的一个重要问题,消除共线性的危害一直是回归分析的一个重点.就此问题介绍了一种Lasso方法,并设计了一种选择最佳模型的方法.通过实例分析,将其与常用方法进行比较,从结果可看出,Lasso回归在处理多重共线性问题上较其他方法更加有效.     

GDP预测模型中的多重共线性问题

采用Frisch综合分析法,运用SAS软件包作辅助工具,解决多重共线性问题.即从最初的自变量中按照一定的准则,挑选了若干多重共线性不十分严重的自变量,进行多元线性回归拟和,建立线性回归模型,得到一个预测GDP的方程.     

广义系统多传感器信息融合降阶状态估值器

对于带多传感器的广义线性离散随机系统,基于奇异值分解,将其化为等价的两个降阶多传感器子系统。应用Kalman滤波方法,在线性最小方差最优加权融合准则下,提出了最优加权融合降阶稳态广义Kalman估值器。可统一处理融合滤波、平滑和预报问题,可减少计算负担和改善局部估计精度。为了计算最优加权,提出了局部估计误差方差阵和互协方差阵的计算公式。     

基于伪协方差矩阵 Otsu 方法的信源数估计

为提高高斯色噪声背景下信源数估计的成功概率, 提出了一种基于伪协方差矩阵的 Otsu 类间方差法。 伪协方差矩阵对一定条件下的高斯白噪声和高斯色噪声具有免疫特性, 而且利用阵元间的时间相关性增加了 阵列的有效孔径, 进而提高了伪协方差矩阵奇异值分解后信号奇异值与噪声奇异值的差异程度。 在此基础上, 利用 Otsu 类间方差法对信号奇异值与噪声奇异值进行分类。 仿真结果表明, 该方法可进一步提高信源数的估 计成功概率。     

有限样本条件下多元线性回归模型的最优解

将分析多元线性回归模型和求线性方程组的最优解统一起来．线性方程组的最优解基于欧式赋范空间最短距离．研究结果表明：在多元线性回归模型不存在多重共线性的情况下,得到的回归结果解和线性方程组的最优解相同．在多元线性回归模型存在多重共线性时,通过求线性方程组的最优解,可以得到统计意义上的线性无偏有效解,此时的最优解不满足渐近性和一致性条件．因此,利用线性方程组求最优解适用于多元线性回归模型在有限样本条件下的情况,多于大样本的情况不适用．     

不确定系统的多指标约束方差控制：一种代数方法

该文研究不确定线性随机系统的多指标约束方差控制的综合设计问题，即设计鲁棒控制器，使半环系统在结构参数摄动的情况下保持鲁棒稳定，同时，其稳态方差不大于给定值，且闭不系统满足给定的圆形区域极点的约束及Ｈ∞干扰指标约束。该文利用奇异值分解理论和我逆理论，将上述多指标控制问题嵌入一修正的代数Ｒｉｃｃａｔｉ方程的求解过程中，并籍此给出期望的控制顺在条件及解析表达式，从而解决了多指标的约束方差控制设计问题。     

部分线性可加模型的随机约束Liu估计

研究了部分线性可加模型在参数部分附加有随机约束条件且存在多重共线性时的估计问题.文中基于Profile最小二乘方法、混合回归估计和Liu估计方法,提出了参数分量的Profile混合Liu估计,给出了估计量的偏和方差,并讨论了其渐近分布.     

重庆工业总产值的主成分分析

在假设模型设定是正确的条件下假设出工业总产值函数,运用Eviews软件进行最小二乘估计以及拟合优度的检验,由于存在多重共线性,于是检验自变量相关性。通过逐步回归剔除变量,排除引起共线性的变量,最终得到回归函数。对回归函数的序列相关性检验,通过DW值及LM检验说明不存在序列相关。异方差性的检验,帕克检验与戈里检验,以e 2i为被解释变量,以原模型X1为被解释变量,建立如下方程:e 12=f(Xj)+ε1,对方程进行显著性检验,得到α不显著为零,可认为无异方差性。用一次指数平滑法预测2011年各变量数据,再将这些数据带入估计方程,得到工业总产值2011年预测值。     

多重共线性的产生原因及其诊断处理

随着计算机应用的普及 ,多元回归分析在生产、科研等实践中得到广泛应用。但是 ,在使用线性回归模型时 ,容易忽视应用条件 ,即自变量间不存在近似线性关系 ,否则会使结果不准确 ,甚至严重偏离变量间本来的依存关系。因此 ,有必要分析多重共线性的产生原因及对线性回归模型的影响 ,进而给出诊断多重共线性的常用方法 ,最后总结几种克服共线性的方法 ,并以卫生管理中的一个实例加以说明。     

基于多元线性回归模型的甘肃省民航客运量的影响因素分析

本文利用2006-2016年的甘肃省民航数据,运用多元线性回归模型对甘肃省民航客运量的影响因素进行了分析和探究。通过消除多重共线性的干扰,并对多元线性回归模型进行正态性、自相关性和异方差检验,得到最终的多元线性回归模型,并利用建立的多元线性回归模型找到了影响甘肃省民航客运量的主要因素为甘肃省民航航线里程和旅游人数。同时,针对这两个影响因素,为增加甘肃省民航客运量、提高甘肃省民航业的发展水平,提出了其对策和建议。     

基于模型降阶法的线性相位IIR滤波器设计

采用基于脉冲响应格拉姆阵的模型降阶法设计线性相位滤波器.为避免以往模型降阶算法在通过求解离散李亚谱诺夫方程得到脉冲响应格拉姆阵过程中的大量计算以及可能出现的病态计算,采用了直接构造格拉姆阵的方法;还根据汉克尔阵奇异值分布确定降阶模型的阶数.实验结果表明,所设计的 IIR 滤波器满足给定的幅频指标,相位在通带内呈线性,且保证了稳定性.     

关于模型中未知参数估计值的讨论

对未知参数估计值的方差、解释变量的误删（误加）、多重共线性等问题进行了研究，给出两个重要的结论且进行了严格的理论证明.     

一类线性混合模型中方差分量的估计

将线性混合模型中随机效应的协方差阵推广为正定阵,运用方差分析估计的方法给出了方差分量的估计。通过QR分解给出了简化计算的方法,利用随机变量二次型的协方差对方差分量的估计做了进一步的改进,同时还给出了方差分量的一个非负估计。     

基于小波变换和奇异值分解的模态参数识别方法

提出了一种新的基于小波变换和奇异值分解相结合的结构模态参数识别方法.该方法首先对环境激励下的结构加速度响应信号进行互协方差分析,得到时域互协方差响应,通过小波变换将互协方差响应转换到时频域中得到信号的时频系数并沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重组的奇异值和奇异向量中识别出结构的模态参数.文章对提出的方法进行了理论证明,通过三自由度系统的数值算例验证了该方法的可行性,表明与直接小波变换方法相比,其识别结果精度更高.     

自适应Kalman滤波的改进及其在SINS/GPS组合导航中的应用

为解决自适应Kalman滤波中存在的问题,综合采用对观测粗差和滤波结果粗差进行判断、对系统噪声方差阵扩零和修改自适应方程减去项等措施对算法进行了改进.观测粗差的判断可以避免观测奇异,提高滤波稳定性;对滤波结果粗差的判断可避免矩阵求逆时的奇异现象;对状态噪声方差阵扩零,可保证在不影响滤波精度的情况下解决滤波过程中矩阵维数不对应的问题;修改自适应方程减去项,虽然牺牲了一定的精度,但可保证求解状态噪声协方差阵Q和观测噪声协方差阵R的等式右边非负定,从而保证Q和R的非负定.将上述改进后的自适应Kalman滤波算法应用到SINS/GPS组合导航中,仿真结果表明上述改进有效地提高了自适应Kalman滤波的稳定性,且保证了滤波的精度.     

二维弹性力学边界条件反识别TSVD正则化法

针对二维各向同性弹性力学Cauchy问题,文章采用线性单元对边界积分方程进行离散,再引入已知的边界条件,得到包含所有待求边界条件信息的线性病态方程组。采用截断奇异值分解正则化技术求解该病态方程组,并使用L曲线法选择最优正则化参数,即奇异值截断位置,从而得到方程组的解。通过数值算例对求得的边界条件数值解与解析解进行比较,并进行误差分析,以表明截断奇异值分解算法的有效性和稳定性。通过减少已知数据中的随机偏差和增加边界单元密度可提高求解的精确度。     

基于前后向矩阵束方法的赋形波束方向图综合

针对阵列天线的方向图赋形问题,研究了一种基于前后向矩阵束方法(FBMPM)。先确定适当的阵元数目,再优化设计激励幅度和阵元位置,最终设计出需要的赋形方向图。由期望方向图的均匀采样数据构造Hankel-Toeplitz矩阵;然后对它进行奇异值分解,舍弃不重要的奇异值,得到此矩阵的低秩逼近矩阵;最后基于广义特征值分解求得重构阵列的阵元位置和激励。FBMPM采用特殊的前后向矩阵来约束极点分布,保证了重构赋形波束方向图的精度可控。仿真实例证明了方法的快速性和有效性。