- 博客(8)
- 资源 (2)
- 收藏
- 关注
转载 §0 多元回归分析原理
回归分析是一种处理变量的统计相关关系的一种数理统计方法。回归分析的基本思想是: 虽然自变量和因变量之间没有严格的、确定性的函数关系, 但可以设法找出最能代表它们之间关系的数学表达形式。 回归分析主要解决以下几个方面的问题:(1) 确定几个特定的变量之间是否存在相关关系, 如果存在的话, 找出它们之间合适的数学表达式;(2) 根据一个或几个变量的值, 预测或控制另一个变量的取值,
2013-05-09 12:38:44 1274
转载 §7 非线性回归模型
前面讨论的回归分析与逐步回归模型都假定是线性的, 而在自然科学中我们也常会遇到非线性回归模型, 在非线性回归模型中又可分为两种类型: 一种类型是可以通过变量变换化成为线性模型, 然后按线性模型加以解决: 例如, , 作变量变换: 令, , 于是有 将视为自变量, 则这时就可以看成是变量的线性函数, 这样就可应用线性模型计算参数。
2013-05-09 12:36:24 2013
转载 §6 双重筛选逐步回归
1、问题的提出 考察自变量对因变量的影响时, 可能其中有些自变量如只对因变量有影响, 而另外一些自变量则对其它因变量有影响, 多对多逐步回归无法判断哪些自变量对哪些因变量有影响。实际情况有时可能是一部分因变量与一部分自变量有密切关系, 而另一部分因变量与另一些自变量有密切关系等等。而与不会有共同的变量, 但与可能有共同的变量, 因为一个自变量可能会对许多不同的甚至全部
2013-05-09 12:35:25 2100
转载 §5 多对多线性回归数学模型
前面介绍的多元线性回归分析是一个因变量对多个自变量的线性回归问题, 现在进一步介绍多个因变量对多个自变量的线性回归问题, 即“多对多”的回归问题。 设有个自变量和个因变量之间存在有线性回归关系: , (5.1)其中称为回归系数, 称为误差, 它是一个随机变量。 如果略去误差项, 则有关系式 , , (5.2)(5.2)式称为多个因
2013-05-09 12:34:11 4058
转载 §4 逐步回归分析
1、逐步回归分析的主要思路 在实际问题中, 人们总是希望从对因变量有影响的诸多变量中选择一些变量作为自变量, 应用多元回归分析的方法建立“最优”回归方程以便对因变量进行预报或控制。所谓“最优”回归方程, 主要是指希望在回归方程中包含所有对因变量影响显著的自变量而不包含对影响不显著的自变量的回归方程。逐步回归分析正是根据这种原则提出来的一种回归分析方法。它的主要思路是在考虑的全部自变量
2013-05-09 12:33:15 3082
转载 §3 回归方程及回归系数的显著性检验
1、回归方程的显著性检验(1) 回归平方和与剩余平方和 建立回归方程以后, 回归效果如何呢?因变量与自变量是否确实存在线性关系呢?这是需要进行统计检验才能加以肯定或否定, 为此, 我们要进一步研究因变量取值的变化规律。的每次取值是有波动的, 这种波动常称为变差, 每次观测值的变差大小, 常用该次观侧值与次观测值的平均值的差(称为离差)来表示, 而全部次观测值的总变差可
2013-05-09 12:30:27 22379
转载 §2 回归系数的最小二乘估计
设分别为的最小二乘估计值, 于是的观测值 , , (2.1)其中为误差的估计值, 称为残差或剩余。令为的估计值, 则有 , (2.2) , , (2.3)(2.3)式表示实际值与估计值的偏离程度。欲使估计值与实际值拟合的最好, 则应使残差平方和 达到最小, 为此, 我们可以应用微分求极值原理
2013-05-09 12:27:46 7790
转载 §1 一对多线性回归分析的数学模型
设随机变量与个自变量存在线性关系: , (1.1)(1.1)式称为回归方程, 式中为回归系数, 为随机误差。 现在解决用估计的均值的问题, 即 ,且假定, , 是与无关的待定常数。 设有组样本观测数据: 其中表示在第次的观测值, 于是有: , (1.2)其中为个待定参数, 为
2013-05-09 12:24:44 1750
机器学习之weka简介
2011-07-20
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人