排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
本刊1983年第三期题为“逐步回归方法介绍”一文这样细地介绍了逐步回归的计算步骤.本文拟在此基础上进一步介绍在逐步回归基础上有所改进而提出的一种新方法─—浮动法. 在逐步回归中,每取一个界限F值,只能得到一个回归方程.在选择变量的过程中,某些变量由于其回归贡献的F值始终低于F界限值而没有机会进入方程,而这些变量可能组成较优的甚至是最优的方程.[1]有时为了得到合适的回归方程,采用不同的F界限值进行逐步回归计算,但有时即使采用不同的F值,可能得出相同的回归方程.浮动法对此作了一些修改,按照不断变动的界限来选择变量,同时将… 相似文献
2.
用最优回归方法评价一种选择回归子集的新方法 总被引:1,自引:0,他引:1
本文试提出一种多元回归中选择变量子集的新方法——浮动法.对14个实例以及由 Monte Calro 模拟产生的450个 Wishart 样本,采用最优回归方法及浮动法进行计算.分析和比较了这两种方法所得的回归方程、计算精度及运算时间.实例和模拟样本的计算表明,浮动法是一种较好可供选用的方法. 相似文献
3.
<正> 选择回归变量以取得最优或较优的回归方程是多元回归中引起关注和着重研究的课题之一.目前,已有许多关于在多元回归中选择变量,建立最优或较优方程的方法.主要有前进法、后退法、逐步回归法、反向逐步回归法、一切可能回归法、最优回归法,其中最流行的是逐步回归法.Beale、Mantel、Hocking对前进法、后退法以及逐步回归和一切可能回归法等进行了讨论.认为逐步回归法存在一些问题,最主要是可能遗漏最优方程.这里,最优是指在相同变量数的方程中残差平方和最小.我们认为遗漏的原因在于:逐步回归法是利用某一固定 F 界限(本文用 F_α 表示)来作为选择变量的阈值的.每次选入方程外回归贡献 相似文献
1