岭估计的一个影响度量

提出了预测数据对岭估计的影响一个度量，建立了它与全相关系数的联系，并和岭估计中的ｃｏｏｋ距离作了比较。     

基于岭回归法对海南省住宅销售价格的影响因素的研究

利用多元线性回归模型,研究了1996年到2008年海南省住宅销售面积、人口及城镇居民可支配收入对海南省住宅销售价格的影响,基于岭回归法来解决自变量间多重共线性的问题,借助EVIEWS6．0和SPSS17．0软件,建立相关的数学模型,最后预测海南省2009年住宅销售价格,结果表明模型短期预测精度较高。     

一般线性回归模型岭估计的影响分析

讨论一般线性回归模型岭估计的影响分析问题,研究了协方差阵扰动和数据删除对岭估计的影响,给出了岭估计基于有偏估计的Cook距离.     

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...     

基于岭回归的城市交通安全评价模型

使用岭回归的方法研究了2010年中国各地区交通事故发生起数与诸多可能影响因素数据并建立了回归模型.结果表明,城市交通安全的显著影响因素按照影响强度依次有：公共汽（电）车辆数、轨道交通、出租汽车辆数、失业人员数量、摩托车拥有量.且公共汽（电）车与摩托车辆数对交通事故发生起数为正影响,其它三个因素为负影响.需要注意的是家用汽车数量对交通事故的影响并不显著.     

Gamma回归模型中岭估计的几种改进岭参数

针对Gamma回归模型的复共线性问题,基于HOERL和KENNARD等人的工作,提出了岭估计的几种新的岭参数.在最小均方误差的准则下,采用蒙特卡罗模拟法验证了岭估计和所提出的岭参数的优良性.     

约束线性回归模型回归系数的条件广义岭估计

提出了约束线性回归模型中回归系数的一种条件广义岭估计,讨论了它的优良性,证明了它在均方误差及均方误差矩阵下都优于约束最小二乘估计。     

基于岭回归和Lasso回归的螺纹钢期货价格实证分析

期货是金融市场的重要组成部分,期货的交割通常是在一段时间后进行,因此对于期货价格预测显得尤为重要,其中螺纹钢期货价格预测成为提高我国钢铁产业竞争力的重要举措.通过对螺纹钢期货结算价及其影响因素的数据进行分析,分别利用岭回归和Lasso回归两种方法消除共线性的影响,得到两种修正多元回归模型,应用两种修正多元回归模型分别对螺纹钢未来一周的期货价格进行预测,并与真实价格进行比较,最终发现基于两种方法得到的模型预测准确率均高于95%以上,且基于Lasso回归方法的拟合效果更好,证明构建的两种回归模型对螺纹钢价格的走势与预测均有重要的参考价值.     

ELM岭回归软测量建模方法

ELM(极限学习机)是一种新型的前馈神经网络,可有效处理函数的回归问题.针对ELM学习算法隐含层输出可能存在的复共线性问题,提出了ELM岭回归(ELMRR)软测量建模方法.该算法利用岭回归方法代替原有的线性回归算法,以误差平方和均值为性能指标,采用粒子群优化算法确定最佳岭参数,克服了传统岭回归算法最佳岭参数难以确定的缺...     

岭回归在修正多重共线性中的应用

以2000-2010年四川省CPI的数据及部分影响因素为基础,运用SPSS17.0对CPI数据建立多元线性回归模型,并基于岭回归对模型中的多重共线性进行修正,得到了修正后的模型,说明此方法具有一定的实用性。     

岭估计中的影响度量与相关系数的关系

数据对线性模型的最小二乘估计的影响已有许多研究，但数据对岭估计的影响很少有人研究．吴诗泳和岳珠（ 工程数学学报，１９８９ ，６（１） ：１１５ ～１１９ ．） 研究了剔除一组数据对岭估计的影响．在此，我们继续讨论数据对岭估计的影响，找到了影响度量与相关系数之间的联系，得到了一些有意义的结果．     

承压水漏斗中心最低水位的岭回归

针对最小二乘回归方法，回归系教的显著性F检验，如果F〉临界值，则线性回归显著，但当多元回归模型的设计矩阵存在近似线性相关（称为复共线），即｜X^TX｜≈0，这时这一判别标准不具备普遍意义。本文结合实例对设计矩阵出现复共线关系进行岭回归。     

Boosting集成支持向量回归机的滑坡位移预测

支持向量回归机(SVR)在实际的学习应用中,由于数据时空的复杂性和算法本身的参数选择,学习模型难以达到预期的效果.针对这个问题,提出了基于Boosting集成的支持向量回归机方法.通过在原始数据集加权采样的基础上,进行多次迭代子SVR机器学习,不断调整样本权值再采样,优化机器学习模型,然后对迭代所得的每级支持向量回归结果按某种组合方法进行集成,得到最终的回归函数形式.应用该方法进行了仿真试验和滑坡变形时序预测研究.结果表明:使用集成的SVR进行回归预测较之单一的SVR具有更高的准确性和更好的泛化性.对Boosting与Bagging 2种不同的集成SVR,进行了比较研究,试验结果表明,2种算法性能相差不大,总体上前者强于后者.     

无不良符号的岭回归-岭回归K值的一种取法

本文以无不良符号为原则，利用二分法给出选择岭回归Ｋ值的一种方法．     

增长曲线模型回归系数的岭型组合主成分估计

本文提出了增长曲线模型回归系数的一种新的改进估计．讨论了它的优良性,证明了参数区域的某个椭球内,这种新的估计优于最小二乘估计,且在均方误差的意义下是可容许估计。     

基于MATLAB的岭归分析程序设计及其应用

岭归分析是多元线性回归分析中的一种方法,在实际应用中经常遇到。本文通过设计MATLAB中Ridgel函数程序,介绍如何利用MATLAB进行岭回归分析。     

岭回归参数选择的主成分方法

当线性回归模型中自变量出现共线时,最小二乘估计不再是良好估计。岭回归估计和主成分估计是新提出的两种估计方法,本文讨论了在某些条件下,这两种估计是很接近的,同时提供了一种选择岭回归参数K的方法,称为主成分选择法。文章还列举了两个典型例子来说明。     

一种基于核ridge回归的解耦控制系统

提出了一种新的基于核ridge回归的解耦方法。该方法具有传统径向基(RBF)神经网络解耦方法对被控对象数学模型依赖性小的特点，同时又能有效地克服RBF神经网络解耦方法对训练样本要求高、噪声敏感和解耦速度慢的缺点，经核ridge解耦器补偿后的控制系统具有被调节量和调节量之间耦合作用小、动态特性好、稳定性强的优点。补偿后的控制系统具有很强的校正能力，对外界各种干扰也有较强的解耦效果和控制质量。仿真试验表明，采用核ridge解耦器的多变量控制系统能够有效地解除系统各变量之间的耦合作用，且结构简单、易于实现，大大增强了解耦控制系统的实用性能。     

多因变量线性回归中的联合影响分析

本文讨论了多因变量线性回归中多组数据对回归分析的联合影响问题,给出了度量准则及其他简式与统计解释,推广了文献[1]中的相应结果。