线性回归诊断的若干问题

本文对于线性回归诊断提出了几种新的模型和方法。我们首次研究了方差加权和均值漂移的混合模型,得到了相应的诊断统计量。本文还引入了罚函数方法,并以此为工具,讨论了若干有偏估计的影响度量,最后,本文提出了基于重心的诊断统计量,对于识别异常点有较好的效果。     

PLSR模型的回归效果分析

本文简单地介绍了多元线性回归、主元回归、部分最小二乘回归模型 ,用实例对三种方法的回归性能进行比较 ,并指出在消除多重共线性、回归系数估计精度及预测精度等方面 ,部分最小二乘回归模型优于其它两种模型     

模糊回归的区间解法

给出模糊回归的区间解法 ,适用于预测。     

关于《建立多元混合回归模型分析影响毛兔产毛量的因素》的注记

本文对<建立多元混合回归模型分析影响毛兔产毛量的因素>[11]这篇论文(以下简称该文),作些评注和讨论。 一、该文用统计线性模型,分析了k= 6个定量因素,以及一个定性因素──m=5个不同年龄组──对于一个响应变量的影响。如果试验设计时,取每个组有同样的大小,包含同样多个样本点,这就是一个典型的协方差分析问题,它的组效应之间彼此正交。这里可能是受试验条件的限制,组大小不相等,从而组效应彼此不正交,不能用通常的协方差分析的方法进行分析。该文采用了通常的做法,引进伪自变量──组的指示变量,作为一般的线性模型,可以用回归分析的程…     

自变元带误差的回归分析

考虑p维随机变元的n个独立观测值X_1,X_2,…,X_n,其中X_t=(x_(1t),x_(2t),…,x_(pt))~t表示第t个观测矢量,它由分量x_(1t),x_(2t),…,x_(pt)组成.x_(it)为第i个变元的第t个观测值.每个x_(it)都是由两个量的叠加而成,即被观测的非随机自变元a_(it)和观测误差ε_(it)的叠     

基于回归分析的机场拥挤预测问题研究

及时有效的预测机场拥挤状态并辅助机场管理部门采取相应缓解拥挤的措施,将有助于提高机场的服务质量和运行效率.提出了利用回归分析的方法对机场拥挤问题进行研究.利用已有的历史航班数据挖掘出与机场拥挤最为相关的因素,并将其作为预测变量来预测响应变量.使用到两种回归分析方法即:普通最小二乘回归(OLS)和支持向量回归(SVR).使用历史数据来训练模型,并将这两种训练模型用于真实数据集上做测试,且取得较好的预测效果.实验结果证明该方法在机场拥挤预测问题上的可用性和有效性.     

建立多元混合回归模型分析影响毛兔产量的因素

本文把数量因子和非数量因子混合在一起，对５３５只长毛兔的实测数据进行了统计分析，建立了长毛兔产毛量的多元混合回归模型。并根据该模型分析了营养，兔舒气温等数量因子和作为非数量因子的５个生理阶段等因素对长毛兔产毛量的影响。     

强影响的分布与稳定性度量

本文考虑了数据集在样本空间的影响分布,并且指出数据集仅对与之强相关的数据点有较大的影响,因而Cook距离(?)中这一部分数据处的影响较突出,我们考虑用(?)作为影响度量将更合理,同时它也比Cook距离具有更好的稳定性。     

回归深度函数的一般概念

作为可度量某数据点相对于给定多元数据集中心化程度的工具,统计深度函数在多元稳健数据分析中发挥着重要的作用.在过去数十年中,许多著名的深度函数被相继提出.然而,现有的这些深度函数主要用于位置情形下的描述性或推断性统计分析,尚难被用于回归情形下的类似分析.鉴于此,本文考虑了如何将现有的深度函数推广至回归情形,并提出了一类新的可助于此类推广的一般回归深度函数.本文最后通过示例展示了所提回归深度的相关性质.     

Bf—稳健的Mallows型回归估计量

讨论了Ｍａｌｌｏｗｓ型回归估计的拟合值影响，构造一类Ｂｆ－稳健的Ｍａｌｌｏｗｓ型回归估计量，并证明了它的存在性和可容许性。     

改善的ADL模型对中国GDP增长率的研究与预测

本文提出三种创新性模型PLSADL,RADL和RPLSADL.这三种新模型是将考虑了数据时序性的时间序列ADL模型与考虑了多变量共线性问题的多元线性回归模型PLSR,RR,RPLS相结合.通过分析我国2000年到2012年季度GDP增长率与八项经济指标的关系,我们发现新模型PLSADL,RADL和RPLSADL在拟合效果和预测能力上都优于其它四个模型.这说明在ADL模型的建立过程中,如果能够考虑多变量共线性问题将会有效地提高模型的预测效果.     

无偏的岭回归迭代算法

本文探讨线性模型的无偏的岭回归迭代算法,这种算法保持最小二乘法的性质,当存在较为严重的共线性时,它能给出较为精确的参数及其协差阵的估计值;当存在严格的共线性时,给出参数及其协差阵的无穷多解中的一个,这个解由初值决定。文章还给出了算法的收敛性及一些其它性质的证明。     

相依回归系统参数的预检验估计

对由m个相依线性回归方程组成的线性回归系统,本文提出了基于最小二乘估计和协方差改进估计的一种新型估计,即预检验估计。文章讨论了度量附加信息和样本信息之间相关程度的统计量,给出了估计的一些优良性结果,并与最小二乘估计及协方差改进估计作了比较,最后通过随机模拟验证了预检验估计所具有的良好性质。     

关于Fuzzy值变量的线性回归分析

本文主要讨论了以下三方面内容:1.给出了可能性理论的框架。2.给出了可能性变量分布参数的maximin(μ/E)估计原理。3.建立了取值为Fuzzy数的两种不同的线性回归模型。     

一个部份自回归模型的渐近有效性

本文考虑部分自回归模型Ｘｔ＝ｘｔ－１β＋ｇ（Ｕｔ）＋εｔ，ｔ≥１。这里ｇ是一未知函数，β是和待估参数，εｊ是具有０均值和方差σ＾２的ｉ．ｉ．ｄ．误差，Ｕｔｉ．ｉ．ｄ．服从［０，１］上均匀分布。     

线性回归系统两步协方差改进估计的优良性

对于ｍ个相依回归方程组成的线性回归系统。本文研究了两步协方差改进估计在均方误差阵意义下的优良性，即在随机误差服从正态分布的假设下，当样本量充分大时，两步协方差改进估计与协方差改进估计一样好。     

回归诊断中几种影响诊断量的比较

在回归诊断的实际应用中，人们越来越认识到强影响点对回归模型的影响重要性。但由于影响评价的方法越来越多。使应用者不知采用何种方法为好。本文对一些较为常用的诊断量作了比较，并通过实例考虑它们的应用情况。     

基于多重共线性的处理方法

多重共线性简称共线性是多元线性回归分析中一个重要问题。消除共线性的危害一直是回归分析的一个重点。目前处理严重共线性的常用方法有以下几种:岭回归、主成分回归、逐步回归、偏最小二乘法、Lasso回归等。本文就这几种方法进行比较分析,介绍它们的优缺点,通过实例分析以便于选择合适的方法处理共线性。