有不等式约束的回归模型的置信带

建立置信带在回归分析中得一个重要的问题,但在有约束的回归问题里,这个问题并没有很好地解决,在此文中,我们研究有约束的回归中的置信带,从文中的结论我们可以看出有约束的回归中的置信带与无约束的情况有较大的不同。     

幂函数自回归模型的自回归分析

将回归模型的回归分析推广到幂函数自回归模型的自回归分析,获得了幂函数自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量.     

对数函数自回归模型的自回归分析

将回归模型的回归分析推广到对数函数自回归模型的自回归分析,获得了对数函数自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量.     

线性自回归模型的自回归分析

将回归模型的回归分析推广到线性自回归模型的自回归分析,获得了线性自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量。     

自回归模型的自回归分析及其应用

将线性回归分析推广到7种自回归模型的自回归分析,获得自回归模型参数的估计公式、估计标准误公式、变量的区间估计公式、总体自回归系数的检验统计量.通过实例分析论证了自回归模型的应用.     

一类回归方程的稳定性及两条回归直线的比较

文章介绍一元线性回归中回归方程的稳定性及两条回归直线的比较方法,并举实例加以说明,具有一定的实际指导意义.     

基于岭回归和LASSO回归的安徽省财政收入影响因素分析

基于1988—2019年安徽省财政收入及相关经济指标数据,运用岭回归和LASSO回归方法,探究安徽省财政收入的影响因素.考虑到较多的自变量会造成严重的多重共线性,首先应用岭回归及LASSO回归模型降低变量间共线性的影响,然后再进行变量选择,最后对两模型进行比较分析.结果显示:相较于岭回归模型,LASSO回归模型更优.第...     

S型曲线自回归模型的自回归分析

将回归模型的回归分析推广到S型曲线自回归模型的自回归分析,获得了S型曲线自回归模型参数的估计公式、估计标准误公式、变量的点估计与区间估计公式、总体自回归系数的检验统计量.     

浅析多元线性回归中多重共线性问题的三种解决方法

为了解决变量之间的多重共线性问题,本文提出了三种方法：岭回归、主成分回归和偏最小二乘回归首先介绍了其基本思想和主要处理步骤,并通过具体实例验证出利用三种回归方法,可以消除多重共线性所带来的影响最后,通过对结果的分析总结出三种方法的优劣。     

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.     

关于逐步回归算法的一个修正

将逐步回归算法用于符号回归任务时,会产生计算溢出现象,其原因是在检验因子的显著性时,由于数据精度很高,可能会发生最大偏回归平方和Ｖｍａｘ与残差平方和ｒｙｙ相等或非常接近的情况,从而造成检验式分母的绝对值过小而溢出,对此,提出了两种修正方法,修正后的算法消除了隐患,可用于符号回归等高精度数据拟合任务。     

回归分析在短跑教学中的应用

针对教学中学生１００ｍ跑的具体情况，采用逐步回归分析方法建立了回归方程；在此基础上，分别以各相关因素、１００ｍ跑成绩作为因变量与自变量建立了多项式回归方程，并依据正态分布理论制定了各因素平衡发展的标准。上述方法在指导短跑教学中取得了较好的效果。     

具有幂变换的半参数分位数回归

考虑响应变量具有幂变换的半参数分位数回归模型.非参数部分运用B样条进行估计,通过最小化累积残差平方和来估计Box-cox幂变换中的参数.研究得到了半参数分位数回归模型估计的一致收敛速度.     

随机-模糊线性回归模型的参数估计及应用

导出了随机-模糊线性回归模型参数的估计量,证明了参数的估计量为无偏估计,同时推导了参数估计量数字特征和回归方程相关系数的计算公式.将该模型应用于岩石样本抗剪强度实验数据处理中,通过与传统的随机一元线性回归对比分析,表明使用该方法得到的力学参数更具代表性.     

多面体逼近在保序回归问题中的应用

研究了多面体最佳逼近算法在保序回归中的应用.对于多种广义保序回归及多维保序回归问题的求解,给出了较已往便捷精确的算法;并解决了含两个独立变量的保序回归的算法问题.     

基于支持向量回归和高斯过程回归的水文时间序列特征提取方法

水文时间序列受多种环境因素影响,表现出明显的综合性,传统的利用单一神经网络进行特征提取解释性不足。提出一种基于支持向量回归和高斯过程回归的水文时间序列特征提取方法。首先,罗列水文时间序列候选特征,将特征组合等价于0-1规划,并将各特征组合分别进行支持向量回归与高斯过程回归建模;其次,利用遗传算法演化求解一组最优特征组合,使得支持向量回归和高斯过程回归输出误差同时最小;最后,为了证明所提方法的高效性与准确性,以屯溪流域水文时间序列数据为对象进行验证。实验结果表明,基于支持向量回归和高斯过程回归特征提取方法的水文时间序列预测结果优于传统神经网络特征提取方法。     

距离回归模型的理论研究

给出了距离回归的理论模型及回归系数参数估计的泛函形式，比较了经典线性回归模型与距离回归模型基于最小二乘方法所得参数估计的关系，并从理论上论证说明了其对应回归直线的位置关系．     

符号回归的枚举原型算法及其匹配算法研究

通过建立一个包括大量原 原型库，实现了符号回归的枚举原型算法。该算法使用的原型可分为线性原型和非线笥原型，前蜊与样本数据的匹配可转换为多元线性回归问题，效率高，但其表现力较差。后者表现力强，但非线笥回归技术效率低，且存在收敛哉问题，对可用于原型匹配的各种拟合算法进行了比较研究，确定了为各种原型选择匹配算法的一般方法。     

回归常数的显著性检验

利用线性回归建模时，一般都采用有常数项的模型，而不去考虑它对回归的作用是否显著。对于一元线性回归方程，在理论上对常数项显著性的判断进行了探讨；认为当其检验不显著的时候，重新建立新的回归方程，预测效果会更好；并用实际例子做了说明。     

逐步回归分析的拓展

给出一种方法,在逐步回归后,使每一前进（后退）步为一单元步,用Ｆ检验来判别这单元步的去留,使回归式子比逐步回归纳入更多的解析变量,同时能减低向后消元法产生多重共线性的可能性．