- 博客(7)
- 收藏
- 关注
RSS订阅原创 清风-时间序列分析（一）
时间序列数据：对同一对象在不同时间连续观察所取得的数据。如：中国历年来的GDP数据时间序列组成要素：时间要素（年、季度、月、周、日、小时、分钟、秒）、数值要素。时间序列根据时间和数值性质的不同，可以分为时期时间 序列和时点时间序列。时期序列中，数值要素反映现象在一定时期内发展的结果；时点序列中，数值要素反映现象在一定时点上的瞬间水平。时期序列可加，时点序列不可加。时期序列中的观测值反映现象在一段时期内发展过程的总量，不同时期的观测值可以相加，相加结果表明现象在更长一段时间内的活动总 量；
2024-06-07 09:45:14
942
原创 回归分析模型——线性回归（二）
Stata是一个统计分析软件，但它也具有很强的程序语言功能。Stata的ado文件（高级统计部分）都是用Stata自己的语言编写的。Stata其统计分析能力远远超过了SPSS，在许多方面也超过了SAS！由于Stata在分析时是将数据全部读入内存，在计算全部完成后才和磁盘交换数据，因此计算速度极快（一般来说， SAS的运算速度要比 SPSS至少快一个数量级，而Stata的某些模块和执行同样功能的SAS模 块比，其速度又比SAS快将近一个数量级！）Stata也是采用命令行方 式来操作，但使用上远比SAS简单。
2024-05-28 14:35:10
738
原创 回归分析模型——线性回归（一）
由于不同的数据类型用到的建模方法不同，本节我们讲的线性回归模型需要横截面数据。横截面数据：在某一时点收集的不同对象的数据。（比如2019年，全国各省份GDP数据）时间序列数据：对同一对象在不同时间连续观察所取得的数据。（中国历年来GDP数据。面板数据：横截面数据、时间序列数据综合的数据资源（2009-2019年我国各省GDP数据）
2024-05-17 16:06:38
1126
原创 主成分分析
因此在实际工作中，就挑选前几个最大主成分，虽然这样做会损失一部分信息，但是由于它使我们抓住了主要矛盾，并从原来数据中提取出大部分信息，这种既减少了变量的数目又抓住了主要矛盾的做法有利于问题的分析和处理。在对数据进行分析时，涉及的样品往往是有多个指标，较多的指标会给分析带来复杂，而且指标之间常常存在一定程度的相关性，有时甚至存在相当高的相关性。接第5部分的例题，取第一主成分和第二主成分的值，将它们视为新的指标。变量的变异性越大，说明它对各种场景的“遍历性”越强，提供的信息就更加充分，反映的信息量就越大。
2024-05-14 15:41:05
718
1
原创 假设检验
根据不同的样本结果进行决策，面临的风险事实上是有差别的，为了精确地反映决策的风险度，利用P值进行决策。前面我们对两总体参数假设检验中，假设样本是独立的。，即在一次抽样实验中，小概率事件几乎不可能发生，如果发生了，就有很大的把握否定该假设（这里的否定其实不是完全的否定，而是基于一定概率概率的否定，因此也有可能犯错误，是已知的，根据分位数，和分布情况就可以确定我们要确定的界限C了，由于样本均值是总体均值的无偏估计量，错误的概率，因为统一原则，原假设常常是明确的，备择假设是模糊的更愿意接受前者，所以犯。
2024-05-11 13:26:38
771
原创 清风数学建模学习笔记—相关系数
1.连续数据，正态分布，线性关系，用pearson相关系数是最恰当，当然用 spearman相关系数也可以， 就是效率没有pearson相关系数高。2.上述任一条件不满足，就用spearman相关系数，不能用pearson相关系数。3.两个定序数据之间也用spearman相关系数，不能用pearson相关系数4.斯皮尔曼相关系数的适用条件比皮尔逊相关系数要广，只要数据满足单调关系 （例如线性函数、指数函数、对数函数等）就能够使用。
2024-05-09 20:18:41
860
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人