版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、回歸分析是統(tǒng)計學(xué)家手中的一件常用的工具,是描述處理數(shù)據(jù)方法的一門應(yīng)用學(xué)科.因而,無論是從事純理論研究還是從事應(yīng)用的統(tǒng)計學(xué)家,對此都不陌生它在工商管理、經(jīng)濟、社會和生物科學(xué)等領(lǐng)域應(yīng)用十分廣泛從Gauss最初提出最小二乘法算起,回歸分析已經(jīng)有180多年的歷史,二十世紀(jì)初以來,更多的統(tǒng)計學(xué)者投入到這一領(lǐng)域,回歸分析的研究已有了一系列較為成熟的結(jié)果.
在回歸分析參數(shù)估計的問題上,當(dāng)設(shè)計矩陣的列向量之間有近似線性關(guān)系時,即自變量之間出現(xiàn)
2、多重共線性現(xiàn)象時,回歸系數(shù)的最小二乘估計的性質(zhì)顯著地變壞同時方差變大,致使估值是不可信的這是人們關(guān)心的問題,因此消除多重共線性成為回歸分析中參數(shù)估計的一個重要環(huán)節(jié)本文首先關(guān)于古典線性回歸的預(yù)備知識,接著是關(guān)于回歸自變量的選擇,即在一個包含很大數(shù)目的可供選擇的自變量的問題中,怎樣去挑選出為數(shù)不多的重要的自變量再是關(guān)于線性回歸系數(shù)的估計問題,介紹了近多年來發(fā)展的一系列重要的估計方法,這些方法的提出是企圖改進目前常用的最小二乘估計最后重點從不
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 線性模型中的LIU型估計.pdf
- 線性回歸模型中的一類新壓縮估計.pdf
- 部分線性回歸模型的估計.pdf
- 線性回歸模型參數(shù)有偏估計的研究.pdf
- 模糊線性回歸模型的參數(shù)估計.pdf
- 19732.帶約束線性模型liu估計的影響分析
- 多元線性回歸模型的有偏估計
- 多元線性回歸模型的有偏估計
- 多元線性回歸模型的有偏估計
- 線性模型LIU估計的影響分析和局部影響分析.pdf
- 線性模型中Liu估計及兩參數(shù)估計的進一步研究.pdf
- 線性回歸模型回歸系數(shù)的平衡LS估計及預(yù)測.pdf
- 平衡損失下線性回歸模型回歸系數(shù)的估計理論.pdf
- 約束線性回歸模型回歸系數(shù)的條件根方估計.pdf
- 線性回歸模型系數(shù)有偏估計的研究和應(yīng)用.pdf
- 線性回歸模型參數(shù)的Stein型根方估計.pdf
- 多元線性模型回歸系數(shù)的主成分估計.pdf
- 實驗三 多元線性回歸模型的估計和檢驗
- 基于M估計的線性回歸模型均值變點檢測.pdf
- 基于GCV方法的線性回歸模型嶺參數(shù)估計.pdf
評論
0/150
提交評論