导读:本文包含了回归诊断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:模型,线性,异常,因素,自变量,容忍度,子集。
回归诊断论文文献综述
马薇,葛通,肖凯[1]（2018）在《非参数计量经济学中的伪回归诊断》一文中研究指出研究非参数模型的伪回归诊断问题.在Phillips局部诊断思想的基础上,考察了局部Durbin-Watson(DW)统计量的设计思路和理论基础,研究了检验的可靠性,给出了检验统计量的参考临界值.文章指出:若时间序列存在趋势,使用非参数模型分析时间序列时,可能会发生虚假回归,给研究带来误导;诊断回归残差的序列相关特性是十分重要的,伪回归下的模型残差会表现出一种非线性严重序列相关的特征,它既是序列趋势导致虚假回归的必然结果,同时也是推断估计存在失真风险的充分条件;局部DW统计量可以通过检验该特征来诊断伪回归.研究表明,局部DW检验的性质良好,可有效识别时间序列分析中非参数模型的伪回归.(本文来源于《系统工程学报》期刊2018年06期）
喻微,叶波,续力云,王兆宇,王善军[2]（2017）在《预测恶性孤立性肺结节logistic回归诊断模型的建立》一文中研究指出目的:建立一个预测孤立性肺结节恶性可能性的logistic回归模型,为临床诊断提供参考。方法:回顾性分析温州医科大学附属舟山医院2012年1月至2015年12月期间经胸部CT检查发现且有手术病理证实的良性孤立性肺结节患者90例和2013年1月至2013年12月期间经胸部CT检查发现且有手术病理证实的恶性孤立性肺结节患者122例,共计212例的临床资料和CT影像资料。多因素回归分析得出孤立性肺结节恶性可能性的独立预测因素,建立logitic回归预测模型,并用另外242例有明确病理诊断的孤立性肺结节患者验证此logistic回归预测模型。结果:212例孤立性肺结节患者中58%的结节为恶性,42%为良性。Logistic回归分析显示结节类型、边界清楚、分叶、毛刺、胸膜牵拉征等特征在良性结节与恶性结节间差异均有统计学意义(P<0.05),是孤立性肺结节恶性的独立预测因素。预测模型为:P=e~x/(1+e~x),X=-1.252-(0.741×混杂磨玻璃结节)-(3.712×实性结节)+(2.301×边界清楚)+(1.589×分叶征)+(1.269×毛刺征)+(1.528×胸膜牵拉征),e为自然对数。此模型的灵敏度为81.8%,特异度为85.7%,阳性预测值为88.2%,阴性预测值为78.3%。结论:本研究建立的预测模型能准确评估孤立性肺结节恶性可能性,能为孤立性肺结节的临床诊断提供依据。(本文来源于《温州医科大学学报》期刊2017年09期）
王越,尚长春,郭召[3]（2015）在《广义部分线性模型基于均值漂移的回归诊断》一文中研究指出一、前言本文主要针对广义部分线性模型,对其基于均值漂移进行回归诊断,为以后进行统计诊断做准备.二、广义部分线性模型广义部分线性模型(G eneralized partial linear models,简记为G PLM):E(Y)=H{X Tβ+m(Z)}(1)(本文来源于《数学学习与研究》期刊2015年13期）
朱琳,陈飞[4]（2013）在《云南失业率影响因素分析和回归诊断》一文中研究指出本文基于统计年鉴中云南省2000—2011年失业率和与之相关的数据,运用线性回归方法,建立了用于描述云南省失业率与相关变量之间定量关系的拟合模型,并对模型进行了异方差检验、序列自相关分析和异常点的检验。该模型对于探讨造成云南省失业率影响因素具有一定的启示作用。(本文来源于《当代经济》期刊2013年04期）
刘大成[5]（2011）在《回归诊断的可视化分析》一文中研究指出传统意义上,我们进行影响分析都是利用探测统计量来识别离群点和强影响点,而面对样本容量很大时,计算探测统计量要花费大量的时间,并且分析结果也不一定准确。因此,有必要提出可视化影响分析方法来补充回归诊断中探测离群点和强影响点方法的单一性和繁琐性。而且子集变化分析更是让影响分析的回归诊断过程变得更加严密精确。(本文来源于《黑河学院学报》期刊2011年06期）
王怀亮[6]（2011）在《回归诊断在统计数据异常值探测中的应用》一文中研究指出近年来有关异常值的理论探讨一直是个热点问题,从回归模型诊断的角度对统计数据中的异常值进行探测与分析,并在基于R语言的基础上,结合具体实例,给出回归诊断在统计数据异常值探测中的应用。(本文来源于《黑龙江对外经贸》期刊2011年02期）
胡章刚[7]（2010）在《线性回归诊断若干问题研究》一文中研究指出本文主要研究了线性回归诊断的相关方法,通过对统计数据假设进行残差分析、方差稳定化变换、方差正态化变换等来考察模型的合理性,然后对相关统计量Cook统计量、W-K统计量、A-P统计量进行探讨得到模型的影响函数,特别是考察Cook统计量中M ,c的各种取值的选取对模型的影响,同时讨论在删除多组数据时对回归影响大小的度量问题。最后对模型中的异常点进行探查从而对模型进行改进。回归诊断研究的两个问题首先是研究模型的合理性,如果不合理就对模型进行改进以期望达到预期目的。本文主要分为叁大部分,第一部分介绍相关背景;第二部分主要探讨模型合理性问题,包含第二章和第叁章;第叁部分研究数据修正问题,包含第四章和第五章,第叁部分是以第二部分为基础。(本文来源于《武汉科技大学》期刊2010-11-01）
杨虎,邵华[8]（2009）在《线性回归诊断中的高杠杆点度量》一文中研究指出本文基于线性回归模型提出了一种新的影响度量矩阵,通过对其性质的研究及从数据加权扰动角度分析指出了其对角元比传统度量意义更加鲜明,更易识别出高杠杆点。在此基础上提出岭估计下的影响度量矩阵,进一步提出并研究了岭估计的高杠杆点度量,得到岭估计与最小二乘估计在数据加权扰动时的高杠杆影响变化程度相同的结论,并指出其比前人文献中的度量形式更加简洁。(本文来源于《工程数学学报》期刊2009年01期）
丁立刚,唐俊,魏福红[9]（2007）在《回归诊断、最小一乘准则在建立计量经济模型中的应用》一文中研究指出通过一个案例——中国农村居民人均消耗函数,介绍了回归诊断和最小一乘准则在建立计量经济学模型中的应用,在数据中有异常点或强影响点存在的情况下,应采用稳健性较优的最小一乘准则给出参数的估计.(本文来源于《内蒙古科技大学学报》期刊2007年03期）
王骏,马林茂[10]（2005）在《Logistic回归诊断及SAS实现》一文中研究指出当前 L ogistic回归模型的应用非常广泛 ,它已经被作为一个常规工具用于医学领域。模型建立的正确与否不仅与所用方法有关 ,更重要的是原始数据的结构有无问题。因变量和协变量的数据结构直接影响到 L ogistic回归模型参数的估计。因此 ,在建立回归(本文来源于《数理医药学杂志》期刊2005年01期）
回归诊断论文开题报告
（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：
目的:建立一个预测孤立性肺结节恶性可能性的logistic回归模型,为临床诊断提供参考。方法:回顾性分析温州医科大学附属舟山医院2012年1月至2015年12月期间经胸部CT检查发现且有手术病理证实的良性孤立性肺结节患者90例和2013年1月至2013年12月期间经胸部CT检查发现且有手术病理证实的恶性孤立性肺结节患者122例,共计212例的临床资料和CT影像资料。多因素回归分析得出孤立性肺结节恶性可能性的独立预测因素,建立logitic回归预测模型,并用另外242例有明确病理诊断的孤立性肺结节患者验证此logistic回归预测模型。结果:212例孤立性肺结节患者中58%的结节为恶性,42%为良性。Logistic回归分析显示结节类型、边界清楚、分叶、毛刺、胸膜牵拉征等特征在良性结节与恶性结节间差异均有统计学意义(P<0.05),是孤立性肺结节恶性的独立预测因素。预测模型为:P=e~x/(1+e~x),X=-1.252-(0.741×混杂磨玻璃结节)-(3.712×实性结节)+(2.301×边界清楚)+(1.589×分叶征)+(1.269×毛刺征)+(1.528×胸膜牵拉征),e为自然对数。此模型的灵敏度为81.8%,特异度为85.7%,阳性预测值为88.2%,阴性预测值为78.3%。结论:本研究建立的预测模型能准确评估孤立性肺结节恶性可能性,能为孤立性肺结节的临床诊断提供依据。
（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。
回归诊断论文参考文献
[1].马薇,葛通,肖凯.非参数计量经济学中的伪回归诊断[J].系统工程学报.2018
[2].喻微,叶波,续力云,王兆宇,王善军.预测恶性孤立性肺结节logistic回归诊断模型的建立[J].温州医科大学学报.2017
[3].王越,尚长春,郭召.广义部分线性模型基于均值漂移的回归诊断[J].数学学习与研究.2015
[4].朱琳,陈飞.云南失业率影响因素分析和回归诊断[J].当代经济.2013
[5].刘大成.回归诊断的可视化分析[J].黑河学院学报.2011
[6].王怀亮.回归诊断在统计数据异常值探测中的应用[J].黑龙江对外经贸.2011
[7].胡章刚.线性回归诊断若干问题研究[D].武汉科技大学.2010
[8].杨虎,邵华.线性回归诊断中的高杠杆点度量[J].工程数学学报.2009
[9].丁立刚,唐俊,魏福红.回归诊断、最小一乘准则在建立计量经济模型中的应用[J].内蒙古科技大学学报.2007
[10].王骏,马林茂.Logistic回归诊断及SAS实现[J].数理医药学杂志.2005
论文知识图
