线性自回归模型论文_苏兆路,潘春阳

导读:本文包含了线性自回归模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:线性,模型,误差,滑坡,在线,测量,毛羽。

线性自回归模型论文文献综述

苏兆路,潘春阳[1](2019)在《基于灰关联分析法和多元线性回归模型的有轨电车能耗预测》一文中研究指出针对传统的有轨电车能耗预测模型缺少对能耗影响因素进行显着性量化分析的问题,提出灰关联分析法和多元线性回归模型相结合的有轨电车能耗预测方法。首先通过有轨电车动力学模型分析有轨电车能耗影响因素,然后利用灰关联分析法计算这些影响因素的关联度,最后选取关联度较大的因素作为模型输入变量,根据多元线性回归模型建立有轨电车能耗预测模型。经实验验证,新建模型的平均预测误差为2. 29%,相比已有文献中提出的回归模型其预测误差更小。因此,该能耗预测模型能够更好地反映有轨电车能耗变化趋势。(本文来源于《信息技术与网络安全》期刊2019年12期)

陈若萍,李荣,叶义琴[2](2019)在《带AR(1)误差线性回归模型中杠杆点的度量与影响分析》一文中研究指出杠杆点的度量与影响分析是回归诊断中的一个重要问题.本文通过构建投影矩阵和拟投影矩阵,对带AR(1)误差且存在复共线性的线性回归模型中广义最小二乘估计、主成分估计、r-k类估计、r-d类估计杠杆点的度量和影响进行了模拟分析与实证分析,并对各估计杠杆点的度量值做了比较研究.(本文来源于《湖北民族学院学报(自然科学版)》期刊2019年04期)

张晋青,张楠,谢秀梅,李景[3](2019)在《成年青海公牦牛体重与体尺性状线性回归模型的构建》一文中研究指出试验以3.5~4岁成年青海高原牦牛、雪多牦牛、环湖牦牛公牛为研究对象,通过测量牦牛体重以及体高、体斜长、胸围等体尺性状,并对各性状相关性进行了统计分析,探究了与成年公牦牛体重密切相关的体尺性状,建立了体重与体斜长、胸围的最优线性回归模型。结果表明:影响成年青海公牦牛体重的主要体尺性状为胸围和体斜长,并且其体重与体斜长、胸围呈显着线性关系。该结论可用于实际生产中成年青海公牦牛体重的估算。(本文来源于《中国草食动物科学》期刊2019年06期)

黄荣臻,朱宁,邓超海,张茂军[4](2019)在《线性回归模型的一类新约束型LIU估计》一文中研究指出针对带线性约束型的回归模型复共线性问题,提出了一种新估计,称之为修正约束型LIU估计,给出了新估计的性质.在均方误差准则基础上证明了在一定条件下,修正约束型LIU估计优于最小二乘估计、岭估计、修正岭估计和约束型LIU估计,最后讨论了新估计的可容许性.(本文来源于《西南师范大学学报(自然科学版)》期刊2019年11期)

魏伟[5](2019)在《带混合测量误差的线性回归模型的参数估计》一文中研究指出在研究带测量误差的线性回归模型时常考虑的是classical测量误差或者Berkson测量误差,而classical和Berkson混合的测量误差研究较少.利用校正似然法讨论带classical和Berkson混合测量误差的线性回归模型的参数估计,并给出估计量的渐近分布.最后,通过R软件进行数值模拟验证估计方法的优良性.(本文来源于《河北师范大学学报(自然科学版)》期刊2019年06期)

杨伟,高建民,周晓娟,杨杨[6](2019)在《商洛市城镇居民医保患者住院费用影响因素研究——基于多重线性回归模型》一文中研究指出目的分析陕西省商洛市2014—2016年城镇居民医保住院患者的基本特征及住院情况,阐明城镇居民医保患者住院费用的影响因素,为控制该类患者住院费用提供建议。方法选择商洛市唯一一所市立叁级综合医院及随机选取的4所县立二级综合医院的25 123例城镇居民医保患者为研究对象,采用多重线性回归模型分析该市城镇居民医保患者住院费用的主要影响因素,寻求住院费用控制工作的重点。结果影响商洛市城镇居民医保患者住院费用的主要因素前4位依次为住院天数、医院级别、是否手术及年龄(P<0.001)。结论各级卫生主管部门、医院及社会应高度重视城镇居民医保患者住院费用控制问题,重点管控城镇居民医保患者的住院天数、严格落实医院分级诊疗制度、严把住院患者手术指征。(本文来源于《临床医学研究与实践》期刊2019年30期)

张碧怡,肖宇谷,曾宇哲[7](2019)在《车险定价中风险因子重要性测度的比较研究——基于集成学习方法和广义线性回归模型》一文中研究指出车险业务中影响车险损失的风险因子很多,如从人因子、从车因子、从属地因子和保单属性因子等,保险公司通常利用这些风险因子对个体风险进行分类,一方面作为车险定价的依据,另一方面也为部门沟通、业务选择和市场细分提供支持。因此,识别风险因子的重要性对提升整个车险业务质量有非常重要的意义。近年来机器学习算法在车险损失预测中的应用越来越多,但目前的研究主要考虑了损失预测的精度,对风险因子的重要性测度缺少系统深入的研究。为此,本文对8个车险数据集,利用两种集成学习方法(随机森林和XGBoost),比较了它们与广义线性回归模型在索赔频率风险因子重要性测度上的一致性。研究结果表明,这两种集成学习方法不仅能提高预测精度,还能提供较一致的风险因子重要性测度。(本文来源于《保险研究》期刊2019年10期)

刘敏[8](2019)在《空间变系数线性回归模型系数精度评定研究》一文中研究指出解释变量和线性回归模型中的响应变量之间关系的不恒定导致了空间变系数回归模型的发展.而在地理加权回归和具有空间变化系数过程的贝叶斯回归模型中,回归系数空间过程的边际推断通常很关键.针对这一问题,对空间变系数现象回归模型系数精度进行评估,模拟研究从地理加权回归和空间变化系数模型研究估计回归系数的覆盖概率和准确性,旨在评估竞争模型中的空间变化系数对各种共线性水平的敏感性.仿真研究结果表明,贝叶斯回归模型对回归系数的推断比GWR更准确.此外,贝叶斯回归模型在边际系数推断到中等水平的共线性方面总体上相当稳健,并且与具有强共线性的GWR相比降低得更少.(本文来源于《宁夏师范学院学报》期刊2019年10期)

尚敏,廖芬,马锐,刘昱廷[9](2019)在《基于一元线性回归模型八字门滑坡累积位移预测》一文中研究指出我国滑坡灾害发生频繁,但滑坡的变形预测预报一直是难题,因此每年都因滑坡的变形破坏导致重大的人员伤亡和财产损失。以叁峡库区八字门滑坡为研究对象,基于十多年的监测数据分析,研究分析了该滑坡的变形特征:八字门滑坡变形的主要影响因素为降雨和库水位下降,并且累积位移曲线具有"阶跃型"的变形特征。当外界因素去除或者减小的情况下,累积位移-时间曲线将变得平稳。根据此特性,选取每年变形曲线"阶跃段"(6~8月份)的监测数据,以累积位移为目标函数,基于一元线性回归模型,对八字门滑坡2004年到2017年同期的滑坡监测数据进行分析。结果表明:一元线性回归模型能够很好地模拟八字门滑坡"阶跃段"的变形过程,此变形阶段累积位移与时间呈线性关系,直线斜率基本相同。根据此线性关系,对滑坡的累积位移进行了预测,结果表明与实际监测数据相比较,预测误差在±5 mm以内,相对误差在1%以下,精度可以满足滑坡监测预警要求,可以为八字门滑坡的防治工作提供参考。(本文来源于《工程地质学报》期刊2019年05期)

何加浩,苏子毅,许多,卫江,刘可帅[10](2019)在《在线和离线毛羽H值线性回归模型的建立与分析》一文中研究指出探讨在线和离线毛羽H值检测数据线性回归模型的建立、分析与应用。在收集100组纱线毛羽H值(在线和离线)数据的基础上,对毛羽H值数据进行正态分布性分析;假设外部因素恒定的基础上,进行线性回归模型拟合,得到在线和离线毛羽H值的一元线性回归函数;通过相关性分析和方差分析,发现线性回归函数的相关性是显着的。同时函数推导的置信区间和预测区间对于实时预测纱线毛羽H值和生产质量控制非常有用,相对误差小于2.2%。认为:在这些相关函数的指导下,可以增加在线检测,减少离线检测,从而提高生产效率。(本文来源于《棉纺织技术》期刊2019年10期)

线性自回归模型论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

杠杆点的度量与影响分析是回归诊断中的一个重要问题.本文通过构建投影矩阵和拟投影矩阵,对带AR(1)误差且存在复共线性的线性回归模型中广义最小二乘估计、主成分估计、r-k类估计、r-d类估计杠杆点的度量和影响进行了模拟分析与实证分析,并对各估计杠杆点的度量值做了比较研究.

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

线性自回归模型论文参考文献

[1].苏兆路,潘春阳.基于灰关联分析法和多元线性回归模型的有轨电车能耗预测[J].信息技术与网络安全.2019

[2].陈若萍,李荣,叶义琴.带AR(1)误差线性回归模型中杠杆点的度量与影响分析[J].湖北民族学院学报(自然科学版).2019

[3].张晋青,张楠,谢秀梅,李景.成年青海公牦牛体重与体尺性状线性回归模型的构建[J].中国草食动物科学.2019

[4].黄荣臻,朱宁,邓超海,张茂军.线性回归模型的一类新约束型LIU估计[J].西南师范大学学报(自然科学版).2019

[5].魏伟.带混合测量误差的线性回归模型的参数估计[J].河北师范大学学报(自然科学版).2019

[6].杨伟,高建民,周晓娟,杨杨.商洛市城镇居民医保患者住院费用影响因素研究——基于多重线性回归模型[J].临床医学研究与实践.2019

[7].张碧怡,肖宇谷,曾宇哲.车险定价中风险因子重要性测度的比较研究——基于集成学习方法和广义线性回归模型[J].保险研究.2019

[8].刘敏.空间变系数线性回归模型系数精度评定研究[J].宁夏师范学院学报.2019

[9].尚敏,廖芬,马锐,刘昱廷.基于一元线性回归模型八字门滑坡累积位移预测[J].工程地质学报.2019

[10].何加浩,苏子毅,许多,卫江,刘可帅.在线和离线毛羽H值线性回归模型的建立与分析[J].棉纺织技术.2019

论文知识图

模型定阶过程多元线性回归模型预测值与实测值一2深证成指的部分线性自回归模型一3深证成指收益率的部分线性自回归一2上证指数的部分线性自回归模型部分线性自回归模型拟合图

标签:;  ;  ;  ;  ;  ;  ;  

线性自回归模型论文_苏兆路,潘春阳
下载Doc文档

猜你喜欢