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．     

多重共线性与预测

多重共线性是回归预测中较复杂的问题。探讨其产生的原因、后果及其检验和校正的方法是很必要的,这有助于统计成功的运用。     

多元回归分析中多重共线性的探讨与实证

多元共线性问题中多重共线性是回归模型研究经济与管理时,最经常遇见的问题,回归分析是研究其随即变量之间的相关关系的一种统计方法。其主要目的是研究一个解释变量与一个或多个解释变量之间的统计关系。它会使经济模型中的参数估计不合理,从而得出错误的结论。本文以判断、验证、解决多重共线性为出发点,来进行分析,并以我国改革开放以来(1979—1997)年钢材供应量历史资料,建立一个单一的模型进行实例分析。     

山西省影响旅游业发展因素的实证分析——基于多重共线性的检验

借助E-views统计软件建立1993-2011年间的山西省影响旅游业发展的因素模型.通过对影响旅游业发展因素的分析,建立以旅游收入为因变量,以接待旅游总人数、省内公路里程、铁路里程、省内星级宾馆数以及国内城镇居民人均旅游支出、国内农村居民人均旅游支出等为自变量的多元线性回归模型,并利用模型对影响因素进行量化分析和共线性检验,为山西省"十二五"期间发展旅游业、增加旅游收入在政策方面提供相关理论依据和参考性意见.     

论土地利用变化统计分析中的多重共线性问题

针对土地利用变化统计分析中普遍存在的自变量个数不多而多重共线性严重这一类问题，本在分析共线性识别方法和当前处理共线性问题时常用的逐步回归法优缺点的基础上，引入全子集法来解决多重共线性问题．以宝安区土地利用变化的统计分析为例，采用全子集法建立了土地利用变化解释和模拟模型，取得了较好的效果．     

多重共线性问题的神经网络实例分析

通过对多重共线性问题的回归分析，引出了在MATLAB中能快速设计的神经网络－推广的回归神经网络（GRNN），并用具体实例说明了实现GRNN的方法。     

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。     

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.     

基于脑梗塞相关因素的逐步回归分析

基于逐步回归分析的理论,对脑梗塞发病人数与民族因素、平均气温、平均气压、相对湿度之间的关系进行探讨,并建立他们之间相关的逐步回归方程。最后,对所得到的回归方程进行显著性检验。     

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。     

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。     

主分量逐步回归在气温预测中的应用

以广东省冬季气温场为预报场,前一年的北太平洋海温场和北半球500 hPa高度场为因子场,分别对它们作标准化处理,然后进行主分量分析,得到主分量矩阵。通过相关分析和逐步回归,求得预报场的主分量与因子场的主分量之间的关系,对预报场的标准化主分量进行反算,得到原始场的拟合和预报。结果显示,广东省冬季气温场前4个主分量(对总方差的累积贡献达到97.5%)的预报方程都通过显著性检验,其方程复相关系数基本在0.9以上。对广东省48个代表站2001-2003年冬季气温进行预测检验,大部分预测结果的残余标准差比同期的样本标准差低,同时回归方程的预报误差略低于实际业务预报误差,因而回归方程对实际天气预报业务工作有一定的参考意义。     

随机生成候选因子集的逐步回归原型匹配算法

为实现符号回归，将逐步回归技术引入了一种基于逐步回归技术的符号回归算法，通过恰当组织基函数库，可以发现为数众多的符号函数，该算法效率较高，且可用于样本数据中含有较大随机噪声的场合。根据该算法开发的符号回归程序，可用于符号微积分，函数方程求解和科学定律的实验发现等智能发现任务。     

基于逐步回归法的住房需求模型

房地产需求是房地产市场运行的的基础,也是房地产价格的基本决定因素.房地产需求实际上是反映消费者和投资者的选择行为和决策过程.结合国内外一些住房需求总量的定性计算方法,选取北京市1991-2009年统计数据并利用spss处理数据,采用逐步回归的方法建立了北京市房产需求量的数学模型.     

逐步回归法辨识线性系统模型

线性系统的结构辨识主要依据模型残差来人工判断。这不仅引入了判断误差,同时也使该方法难于投入实际应用。针对这一问题,该文提出一种修正的逐步回归法,用于对有色噪声环境下的线性系统建模。该方法将各回归变量按对输出的“贡献”排队,通过判断“贡献”的显著性来决定是否选入回归方程,从而能够同时决定模型的阶次、系统纯时延和模型参数。该方法具有计算量小、适应性强等优点。仿真试验验证上述结论。     

用延迟焦化逐步回归法模型预测焦化产物的分布

因原油产地、加工方法等不同,减压渣油延迟焦化反应产物的分布及组成差异较大。对17种减压渣油的物理化学性质,如密度、残炭、灰分、金属含量、组成(饱和分、芳香分、胶质、沥青质)等进行了全面分析,并在管式焦化反应装置上分别进行焦化反应实验。采用逐步回归分析法对11组数据进行分析,首先确定对焦化反应产物分布的各项指标(包括焦炭收率、≤200℃轻油收率、>200℃重油收率、气体收率、气体中氢气浓度及甲烷浓度)影响显著的减压渣油理化性质,然后用多元回归拟合得到各理化性质的回归系数,建立延迟焦化装置产品分布预测模型,并根据6种减压渣油的性质对焦化产物分布进行预测,结果表明该预测模型的相对误差均小于5%。与已有模型相比,该模型不但可以同时预测焦化气体、轻油、重油和焦炭产率,还可以预测焦化气体中氢气和甲烷含量,从而为预测渣油的焦化产物分布、优化调配焦化原料的合理加工提供较为全面的参考信息。     

织物抗拱性能“逐步回步——非线性回归”分析

本文用逐步回归和非线性回归法定量地对描述织物起拱性能的力学原因进行了深入分析，为提高织物抗拱性提供了可靠的依据。     

基于逐步回归分析的河南粮食产量因素研究

运用逐步回归分析的方法,建立河南省粮食产量的回归模型,并对影响粮食产量的主要因素进行回归分析．引入回归方程的主要影响因素为粮食单产、农业机械总动力、乡村从业人员、化肥施用折纯量、农村用电量等,由此确定影响河南省粮食产量因素的回归方程模型．分析表明,利用逐步回归分析建立的模型具有很好的拟合效果,最大误差仅为12．5％．     

振筒气压仪校准方程的逐步回归算法

介绍了振筒气压仪温度误差的来源，讨论了逐步回归算法在振筒气压仪温度补偿和校准中的应用，并以一只振筒的校准算法为例，给出了校准方程，分析了结果，阐述了此项工作对提高和保持振筒气压仪测量精度的意义。