线性回归模型自变量选择准则的比较分析

将一些自变量过择准则用一种统一的形式表示,并依此得到这些准则所选出的自变量个数的顺序关系,从这些关系推出所给出的广义K-L差异度准则能选取较少的自变量,同时也指出广义K-L差异度准则具有利用数据本身选择惩罚因子的优点。     

线性回归分析中自变量间的相关性问题

本文讨论了回归分析中当自变量间存在很强的线性相关关系时,如何合理地选择自变量,以及如何进行自变量间的相对相关性程度分析等问题。     

线性回归模型中自变量变换与强影响点

提出了单个数据或一组数据对线性回归模型中自变量变换参数极大的似然估计影响的诊断方法，并把该方法同Ａｔｋｉｎｓｏｎ的方法作了比较。     

关于一元线性回归简化公式的注记

本文用初等变换方法，给出了一元线性回归预测公式ｙ＝ａ＋ｂｘ中参数ａ和ｂ的简化计算公式     

化学数据的一元线性回归分析

本文利用实验数据建立一元线性回归方程；回归直线，并用方差分析法和相关系数法检验方程的有效性。     

灰色预测与一元线性回归预测的比较

在介绍灰色预测和一元线性回归预测基本方法的基础上,用两个例子对两种方法的预测值进行了比较,结果表明:对所用的两个例子,灰色预测的GM(1,1)模型对数据的预测值精度较一元线性回归要好。     

线性回归模型复相关系数的影响评价

在线性模型中，复相关系数作为模型拟合程序的度量是一个常用的统计量，但它对异常值及影响点是很敏感的，本文用数据删除法及局部影响分析讨论复相关系数的影响点的识别问题，在各种情况下都得了了相应的诊断统计量，最后用一实例加以说明。     

相依误差下简单线性EV回归模型的参数估计

研究相依误差下简单线性EV回归模型的参数估计问题.由于在很多实际问题中模型中的误差往往是不独立的,具有一定的相依性,为此本文讨论误差为随机系数自回归模型时简单线性EV回归模型的参数估计,在一定条件下得到了估计量的渐近正态性和相合性,推广了已有文献中的结果.     

具有自相关误差变系数回归模型的局部线性估计

变系数回归模型误差具有自回归结构时,基于重新改写具有自回归误差的变系数回归模型为独立误差的变系数回归模型,文章提出其局部线性估计方法.模拟结果显示该估计方法是有效的.     

基于多元线性回归理论的矿岩可爆性指数模型的优化与分级

为了准确地对矿岩的可爆性进行分级,在收集爆破试验数据的基础上,利用相关性分析对影响矿岩可爆性的因素进行了优化,通过多元回归分析得到了矿岩可爆性指数的线性回归方程.同时,将该方法与其它方法所得的结果进行了对比,结果表明,本文计算所得的矿岩可爆性指数与爆破试验值更加吻合,且对矿岩可爆性分级的准确率达到了76.79%.     

一类半参数变量含误差回归模型的小波估计

研究了一类解释变量为(x,T)的半参数变量含误差模型,其中,x∈Rp为非随机解释变量,T∈R1为随机解释变量.通过应用小波估计法和全最小二乘法得出了未知参数和未知函数的估计,在一般的条件下,证明了估计的强相合性.     

不同被解释变量选择对决定系数R2的影响研究

考虑了一元线性回归模型中不同被解释变量选择对决定系数的影响，在一定条件下，证明了不同被解释变量回归模型的决定系数存在特定关系。     

岩体分级的多分类有序因变量Logistic回归模型

将多分类有序因变量的Logistic回归分析引入到岩体质量分级问题中,以影响岩体级别的单轴抗压强度、岩体声波纵波速度、体积节理数、节理面粗糙度系数、节理面风化变异系数和透水性系数为自变量,岩体级别为响应变量,以工程实测岩体质量数据作为统计样本,建立了岩体分级公式。对模型进行了拟合优度检验、模型的有效性检验、预测能力的检验,研究结果表明：Logistic逐步回归分析得到的回归模型性能良好,回判估计的误判率为零,预测精度高。相比距离判别分析模型,回归分析模型在现场岩体分级更加方便,回判的误判率更低,另外模型能输出岩体属于各级别的概率,为工程设计人员提供更多的岩体质量信息;相比普通的回归分析,多分类有序因变量 Logistic回归更适于响应变量为有序多类别的岩体分级问题,因而岩体分级的多分类有序因变量回归模型是一种更优的岩体分级方法。     

两个随机变量间线性关系的再讨论

引入了欧线性回归、欧线性相关的定义,研究了它的若干性质,从而使这类问题的研究更具一般性.     

基于糖尿病与民族因素的多元线性回归分析

基于多元线性回归分析的理论,对糖尿病发病人数与民族因素之间的多元线性关系进行探讨,并建立他们之间相关的回归方程.最后,对所得到的回归方程进行显著性检验.     

三角模糊系数的模糊线性回归分析结构元理论

将对称模糊系数的模糊线性回归分析的结构元理论扩展到了非对称情形,研究了三角模糊系数的模糊线性回归分析的结构元理论,并提供了数值例子,验证了该方法的有效性、适应性与实用性。