回歸系數(shù)
- 基于嶺回歸的土壤全氮含量反演模型
小二乘法求解回歸系數(shù)時(shí)發(fā)現(xiàn)光譜數(shù)據(jù)的自相關(guān)程度高，存在嚴(yán)重的多重共線性問(wèn)題，反演結(jié)果不可靠[12].楊福芹等[13]基于多重共線性，篩選出對(duì)冬小麥氮營(yíng)養(yǎng)指數(shù)相關(guān)性較高的圖像指數(shù)，再利用偏最小二乘法構(gòu)建反演模型，建模集均方根誤差RMSE可達(dá)0.085 8，驗(yàn)證集RMSE達(dá)0.187 1，預(yù)測(cè)精度較高；LAURIN等[14]采用偏最小二乘回歸(PLSR)，利用高光譜數(shù)據(jù)與植被指數(shù)，對(duì)非洲熱帶雨林生物量進(jìn)行建模，發(fā)現(xiàn)改進(jìn)后模型精度(決定系數(shù)R2=0.70)優(yōu)于不
排灌機(jī)械工程學(xué)報(bào) 2022年11期2022-11-26
- 一種基于時(shí)間序列與核嶺回歸的結(jié)構(gòu)損傷定位方法
6]建立了自回歸系數(shù)的損傷靈敏度矩陣,通過(guò)該矩陣反映的自回歸系數(shù)變化與損傷系數(shù)變化之間的關(guān)系進(jìn)行損傷識(shí)別與定位。盧宏彬[17]基于ARMA模型構(gòu)造了殘差指標(biāo)、前三階指標(biāo)和馬氏距離指標(biāo)在內(nèi)的損傷指標(biāo)體系對(duì)結(jié)構(gòu)損傷進(jìn)行了識(shí)別,并將該方法應(yīng)用于主跨428 m的廣州新光大橋健康監(jiān)測(cè)系統(tǒng)上。杜永峰等[18]建立了AR模型,將待識(shí)別工況的殘差與AR預(yù)測(cè)參考模型的殘差的方差之比作為損傷指標(biāo)。張凱瑋等[19]基于ARMA模型和馬氏距離定義了損傷指標(biāo),根據(jù)各工況下隧道結(jié)構(gòu)的
地震工程學(xué)報(bào) 2022年5期2022-10-11
- 基于GWR的不同類型酒店住宿價(jià)格影響因素及空間異質(zhì)性研究
——以蘇州市為例
宿價(jià)格影響的回歸系數(shù)從圖3中可以看出，在西山風(fēng)景區(qū)、東山風(fēng)景區(qū)、陽(yáng)澄湖東部周邊生活設(shè)施的回歸系數(shù)在300至772之間（即該主成分指標(biāo)標(biāo)準(zhǔn)值每提高10%，客房?jī)r(jià)格提高30至77元），對(duì)經(jīng)濟(jì)型酒店住宿價(jià)格有明顯的影響。在金雞湖東部、昆山市中心城區(qū)以及太倉(cāng)市中心城區(qū)的回歸系數(shù)在0至300之間，對(duì)經(jīng)濟(jì)型酒店住宿價(jià)格有很大的影響。而在其他區(qū)域的回歸系數(shù)則多為負(fù)數(shù)，大部分回歸系數(shù)處于-100至0之間，少部分回歸系數(shù)在-300至-101之間，極少部分會(huì)更低，在這些區(qū)域內(nèi)
江蘇商論 2022年4期2022-04-24
- 大同34號(hào)谷子高產(chǎn)穩(wěn)產(chǎn)及適應(yīng)性分析
系數(shù)[8]及回歸系數(shù)[9]等多種方法，就其高產(chǎn)性、穩(wěn)產(chǎn)性、抗逆性及廣適性進(jìn)行綜合分析，為大同34號(hào)谷子新品種在西北春播早熟區(qū)大面積應(yīng)用提供理論依據(jù)。前人在品種評(píng)價(jià)方面已有過(guò)許多研究，在甜菜、大豆、大麥、谷子、馬鈴薯、玉米方面均有研究報(bào)道，評(píng)價(jià)方法隨著年代的變遷也越來(lái)越準(zhǔn)確和科學(xué)化，從20世紀(jì)90年代應(yīng)用平均產(chǎn)量、增產(chǎn)率、變異系數(shù)、回歸系數(shù)評(píng)價(jià)品種豐產(chǎn)性、適應(yīng)性開(kāi)始，到21世紀(jì)的高穩(wěn)系數(shù)、標(biāo)準(zhǔn)比差法、主效應(yīng)值，現(xiàn)在又有了GGE雙標(biāo)圖評(píng)價(jià)方法。在谷子品種評(píng)價(jià)方
耕作與栽培 2022年6期2022-02-20
- 基于多元線性回歸模型的水質(zhì)優(yōu)化研究
β2、β3為回歸系數(shù)［2］，為了計(jì)算四個(gè)回歸系數(shù)的值，需要對(duì)（x1，x2，x3，Y）進(jìn)行12次觀察實(shí)驗(yàn)，設(shè)線性方程式：（xi1，xi1，xi1，Yi），i是一個(gè)容量為12的樣本，即i=1，2…11,12，可以得到如公式（2）的樣本模型：結(jié)合本設(shè)計(jì)中的實(shí)驗(yàn)數(shù)據(jù)，將公式（2）用矩陣表示為:則所以故氯根濃度與純水/工業(yè)水比例x1、月平均溫度x2、排污量x3之間的線性回歸模型為：2 模型檢驗(yàn)2.1 線形模型有效性檢驗(yàn)如果要檢驗(yàn)氯根濃度與純水/工業(yè)水比例x1、月平均
四川有色金屬 2021年4期2022-01-22
- 幾類回歸預(yù)測(cè)模型的分析與討論
……βm稱為回歸系數(shù)。若得到n個(gè)獨(dú)立觀測(cè)的數(shù)據(jù)(yi,xi1,......,xim),i=1,2,......n,n>m，則得到則線性回歸模型可表示為利用回歸模型預(yù)測(cè)的基本思路是先根據(jù)自變量、因變量的觀測(cè)數(shù)值求出回歸系數(shù)，從而建立回歸模型，再運(yùn)用模型計(jì)算出不同自變量所對(duì)應(yīng)的因變量的值。回歸系數(shù)的求解主要應(yīng)用最小二乘思想。模型參數(shù)的估計(jì)值β0，β1，……βm應(yīng)使得預(yù)測(cè)值與實(shí)際觀測(cè)之差的平方和最小，記為預(yù)測(cè)值，也就是則所求回歸系數(shù)應(yīng)使得的值最小。利用矩陣?yán)碚摂?shù)
中國(guó)科技縱橫 2021年16期2021-10-25
- 線性回歸中回歸稀釋偏倚校正的模擬研究*
同情況下得到回歸系數(shù)最佳校正效果時(shí)所需要的最小樣本量。方法 用Matlab軟件隨機(jī)模擬產(chǎn)生重復(fù)測(cè)量數(shù)據(jù)，建立線性回歸模型，用PM法和RC法進(jìn)行校正，比較設(shè)定的真實(shí)系數(shù)與校正前、后回歸系數(shù)，評(píng)價(jià)校正效果。結(jié)果 總體樣本量很大時(shí)(大于10000)，無(wú)論測(cè)量誤差的大小，當(dāng)重復(fù)測(cè)量樣本量達(dá)到總體樣本量的10%～30%，回歸系數(shù)能達(dá)到最佳校正效果；兩種方法穩(wěn)定性差異無(wú)統(tǒng)計(jì)學(xué)意義，但PM法在計(jì)算上有更大的優(yōu)勢(shì)?？傮w樣本量較小時(shí)(小于300)，無(wú)論測(cè)量誤差的大小，當(dāng)重復(fù)
中國(guó)衛(wèi)生統(tǒng)計(jì) 2021年4期2021-10-09
- 花生新品種濮花28號(hào)高產(chǎn)穩(wěn)產(chǎn)性分析
、變異系數(shù)、回歸系數(shù)和高穩(wěn)系數(shù)，對(duì)濮花28號(hào)進(jìn)行高產(chǎn)穩(wěn)產(chǎn)性分析。結(jié)果表明，幾種方法的評(píng)價(jià)結(jié)果基本一致，濮花28號(hào)高產(chǎn)穩(wěn)產(chǎn)性突出，廣適性強(qiáng)，具有很高的推廣價(jià)值和廣闊的應(yīng)用前景。關(guān)鍵詞 花生;濮花28號(hào);高產(chǎn)穩(wěn)產(chǎn);回歸系數(shù)Abstract Puhua 28 is a new peanut variety which has passed the examination and identification in many provinces. It has t
安徽農(nóng)業(yè)科學(xué) 2021年6期2021-04-20
- 黑龍江省植物花期對(duì)氣溫變化的響應(yīng)
行回歸分析（回歸系數(shù)如表2所示）。并以RCTI對(duì)氣溫變化的響應(yīng)規(guī)律表示植物花期對(duì)氣溫變化的響應(yīng)規(guī)律。表1 本研究涉及類群信息Table 1 The group information in this study表2 黑龍江省植物花期標(biāo)本相對(duì)采集時(shí)間指數(shù)響應(yīng)氣溫變化的回歸系數(shù)及物種信息Table 2 The regression coefficient of relative collection time index of florescence herb
植物研究 2021年1期2021-02-26
- 基于Python語(yǔ)言路徑分析矩陣算法運(yùn)演
系分析，其偏回歸系數(shù)（partial regression coefficient）表示在控制其他自變量的條件下，每個(gè)自變量單獨(dú)對(duì)因變量的作用。其中各個(gè)自變量處于相同地位，對(duì)因變量的作用是并列。如果在兩個(gè)變量之間加上中介變量，一個(gè)變量既是自變量又是因變量時(shí)，存在多個(gè)環(huán)節(jié)，這就構(gòu)成路徑。多元回歸就不能兼顧這種因果關(guān)系。路（通）徑分析(Path Analysis,Sewall Wright,1921)是相關(guān)系數(shù)分解的一種統(tǒng)計(jì)方法，不僅揭示自變量xi(i=1,2
電腦與電信 2021年10期2021-02-10
- p值法在巖體初始地應(yīng)力場(chǎng)反演中的應(yīng)用
，回歸模型和回歸系數(shù)的顯著性檢驗(yàn)是必不可少的步驟，而上述研究在進(jìn)行顯著性檢驗(yàn)時(shí)，對(duì)巖體初始地應(yīng)力場(chǎng)回歸模型一般采用F檢驗(yàn)進(jìn)行顯著性檢驗(yàn)，對(duì)回歸系數(shù)一般采用t檢驗(yàn)進(jìn)行顯著性檢驗(yàn)。F檢驗(yàn)和t檢驗(yàn)均存在1 個(gè)缺點(diǎn)：僅能給出判斷顯著性的依據(jù)，無(wú)法給出依據(jù)的強(qiáng)度，從而導(dǎo)致回歸模型的可靠性得不到充分地驗(yàn)證。p值法檢驗(yàn)是利用p值來(lái)確定是否拒絕原假設(shè)的方法［26］，不僅能夠給出判斷顯著性的依據(jù)，而且能給出依據(jù)的強(qiáng)度，因此能夠更充分地驗(yàn)證所采用回歸模型的可靠性。此外，p值法
中國(guó)鐵道科學(xué) 2021年1期2021-02-04
- 一元線性回歸參數(shù)的估計(jì)
歸直線。1 回歸系數(shù)的點(diǎn)估計(jì)(1)最小二乘估計(jì)。在x=xi處,y的實(shí)際值yi與回歸值的差異為=yi-β0-β1xi，令Q(β0,β1)=應(yīng)該滿足引入記號(hào)對(duì)β0,β1求偏導(dǎo)并令其為0，得正規(guī)方程組整理得解方程組得(2)回歸系數(shù)的最大似然估計(jì)。似然函數(shù)為兩邊取對(duì)數(shù)得對(duì)β0,β1,σ2求偏導(dǎo)并令其為0，得解方程組得可以看到在隨機(jī)誤差服從正態(tài)分布時(shí)，參數(shù)的最小二乘估計(jì)與最大似然估計(jì)一致的，但是如果不知道隨機(jī)誤差的分布時(shí)，最小二乘估計(jì)還與上面的結(jié)果相同，但此時(shí)不能求
- 小麥新品種平安0602高產(chǎn)穩(wěn)產(chǎn)性分析
、高穩(wěn)系數(shù)、回歸系數(shù)及適應(yīng)度等[3-4]。高穩(wěn)系數(shù)計(jì)算簡(jiǎn)便且分析容易，成為區(qū)域試驗(yàn)中粗放地評(píng)價(jià)參試品種豐產(chǎn)穩(wěn)產(chǎn)性的主要方法[5-6]，且多數(shù)學(xué)者研究表明，在不詳細(xì)分析區(qū)試結(jié)果時(shí)，用高穩(wěn)系數(shù)法評(píng)判小麥品種（系）的豐產(chǎn)穩(wěn)產(chǎn)性是完全可行的[7-9]。回歸系數(shù)法及坐標(biāo)分析法可以詳細(xì)地分析參試品種的高產(chǎn)穩(wěn)產(chǎn)特性[10]。平安0602 是河南平安種業(yè)有限公司選育的高產(chǎn)廣適小麥新品種，該品種是以04 中70 為母本，周麥16 為父本，通過(guò)有性雜交和系譜法選育而成，具有高
北方農(nóng)業(yè)學(xué)報(bào) 2019年5期2019-12-04
- 基于層次結(jié)構(gòu)數(shù)據(jù)的多元線性回歸問(wèn)題分析
數(shù)據(jù)的部分偏回歸系數(shù)以及層次結(jié)構(gòu)矩陣來(lái)求解上層模型的偏回歸系數(shù)，以此來(lái)實(shí)現(xiàn)由部分偏回歸系數(shù)來(lái)構(gòu)建全體MLR模型的目標(biāo)。針對(duì)下層每個(gè)部分的偏回歸系數(shù)，數(shù)據(jù)用戶只需要提供原數(shù)據(jù)總和、平方和以及交叉項(xiàng)乘積和即可求解該部分的MLR模型的偏回歸系數(shù)。與直接利用原始數(shù)據(jù)求解偏回歸系數(shù)的相比，通過(guò)原數(shù)據(jù)總和、平均值以及交叉項(xiàng)乘積和的輸入進(jìn)行偏回歸系數(shù)的求解，既可以保證原始數(shù)據(jù)的私密性，又可達(dá)到與原始數(shù)據(jù)直接輸入相同的結(jié)果。同時(shí)模型可實(shí)現(xiàn)整個(gè)計(jì)算的并行處理，提高大數(shù)據(jù)處理
數(shù)據(jù)采集與處理 2019年5期2019-10-30
- 我國(guó)民生財(cái)政支出對(duì)城鄉(xiāng)收入差距的影響研究
)其中,a為回歸系數(shù),e為殘差項(xiàng).表1 -1 描述性統(tǒng)計(jì)分析表1 -2 最終回歸結(jié)果圖agdp -0.0244** 55.23 ——-0.0091 ——Cons 2.760*** 3.195***-0.64 -0.499 Obs 18 18 R-squared 0.907 0.834 DW統(tǒng)計(jì)量 —— —— 1.988懷特統(tǒng)計(jì)量 —— —— 18表1-2為最終回歸結(jié)果,根據(jù)全國(guó)層面回歸結(jié)果,核心變量回歸結(jié)果表明:(1)財(cái)政教育支出(edu)對(duì)城鄉(xiāng)收入差距的
新生代 2019年7期2019-10-25
- 基于跳回歸的高頻杠桿交易策略研究
，配對(duì)資產(chǎn)跳回歸系數(shù)的性質(zhì)是整個(gè)策略運(yùn)行的核心，跳回歸系數(shù)的偏離性和穩(wěn)定性是配對(duì)資產(chǎn)篩選的準(zhǔn)則：首先，跳躍幅度的偏離性。即跳回歸系數(shù)偏離1的程度，如果偏離程度越大，兩個(gè)資產(chǎn)變動(dòng)幅度的非平衡也就越突出，那么杠桿交易的收益就越理想。此外，還需要考慮跳回歸系數(shù)是大于1還是小于1，這關(guān)系著兩個(gè)資產(chǎn)的交易方向選擇。在上跳方向上，需要做空漲幅小的資產(chǎn)，做多漲幅大的資產(chǎn)；在下跳方向上，需要做多跌幅小的資產(chǎn)，做空跌幅大的資產(chǎn)。其次，跳回歸系數(shù)穩(wěn)定性。即跳回歸系數(shù)在一段時(shí)間
統(tǒng)計(jì)與信息論壇 2019年10期2019-10-16
- 遼寧省玉米區(qū)試品種豐產(chǎn)穩(wěn)產(chǎn)性比較
、變異系數(shù)、回歸系數(shù)和品種間產(chǎn)量差異的SSR檢驗(yàn)，以此評(píng)估參試品種的豐產(chǎn)穩(wěn)定性。如果回歸系數(shù)b＞1，表示其對(duì)環(huán)境響應(yīng)敏感；b＜1，表示其對(duì)環(huán)境響應(yīng)遲鈍，b=1表明其產(chǎn)量具有平均穩(wěn)定性［2］。高穩(wěn)系數(shù)計(jì)算方法參考文獻(xiàn)［3］的計(jì)算公式：HSCi=（Xi-Si）/1.10XCK×100%式中：Xi為第i個(gè)參試品種的平均產(chǎn)量，Si為第i個(gè)參試品種的標(biāo)準(zhǔn)差，XCK為對(duì)照品種的平均產(chǎn)量。HSCi為第i個(gè)參試品種的高穩(wěn)系數(shù)，其值越大，說(shuō)明該品種的高產(chǎn)穩(wěn)產(chǎn)性越好［3，4］
作物研究 2019年6期2019-09-19
- 鋼水“脫氧合金化”配料方案電氣技術(shù)優(yōu)化
;線性回歸;回歸系數(shù);RBF預(yù)報(bào)模型一、問(wèn)題重述1.1：?jiǎn)栴}敘述問(wèn)題1：鋼水脫氧合金化主要關(guān)注C、Mn、S、P、Si五種元素的含量，根據(jù)附件1計(jì)算C、Mn兩種元素的歷史收得率，并分析影響其收得率的主要因素。問(wèn)題2：在問(wèn)題1 的基礎(chǔ)上，構(gòu)建數(shù)學(xué)模型，對(duì)C、Mn兩種原始的收得率進(jìn)行預(yù)測(cè)，并進(jìn)一步改進(jìn)模型及算法，盡可能提高這兩種元素收得率的預(yù)測(cè)準(zhǔn)確率。1.2：?jiǎn)栴}分析問(wèn)題1：根據(jù)脫氧合金化這五種元素含量的歷史數(shù)據(jù)，我們可以通過(guò)轉(zhuǎn)爐終點(diǎn)得到C、Mn的含量和連鑄正樣
- 一種針對(duì)異常點(diǎn)的自適應(yīng)回歸特征選擇方法
SSO求得的回歸系數(shù)作為參數(shù)初值，WLAD-LASSO,WLAD-CATREG和WLAD-SCAD根據(jù)數(shù)據(jù)集穩(wěn)健位置估計(jì)量、數(shù)據(jù)集散點(diǎn)估計(jì)量和各樣本的穩(wěn)健距離得樣本權(quán)重，上述通過(guò)加權(quán)來(lái)提高穩(wěn)健性的回歸特征選擇方法都是先計(jì)算好樣本損失函數(shù)權(quán)重，再進(jìn)行特征選擇和學(xué)習(xí)器訓(xùn)練，樣本權(quán)重在整個(gè)算法執(zhí)行過(guò)程中固定不變，故它們無(wú)法在特征選擇和學(xué)習(xí)器訓(xùn)練過(guò)程中根據(jù)學(xué)習(xí)效果多次自主修改權(quán)重來(lái)進(jìn)一步提高算法性能，算法自適應(yīng)能力不佳.此外，針對(duì)現(xiàn)有回歸特征選擇方法當(dāng)數(shù)據(jù)集含異常
計(jì)算機(jī)研究與發(fā)展 2019年8期2019-07-30
- 三角恒等變換綜合演練A 卷
.2時(shí)，模型回歸系數(shù)趨于穩(wěn)定;長(zhǎng)三角城市群模型嶺回歸中，參數(shù)k=0.12時(shí)，回歸系數(shù)趨于穩(wěn)定;珠三角城市群模型嶺回歸中，參數(shù)k=0.08時(shí)，回歸系數(shù)趨于穩(wěn)定。23.已知tanB=2 tanA，且cosAsinB=，則24.已知α為第二象限角，則的值為（ ）。A.32 B.16C.8 D.4二、填空題26.已知點(diǎn)P（3 cosθ，sinθ）在直線l：x+3y=1上，則sin 2θ=____。27.sin135°cos（-15°）+cos 225°sin15°
中學(xué)生數(shù)理化·高一版 2019年6期2019-06-19
- HIV/AIDS預(yù)后的Aalen模型分析
各時(shí)間點(diǎn)累積回歸系數(shù)估計(jì)值的加權(quán)總和，可以用來(lái)檢驗(yàn)各協(xié)變量有無(wú)統(tǒng)計(jì)學(xué)意義。若TST>0，表明協(xié)變量的整體效應(yīng)為危險(xiǎn)因素；反之，則為保護(hù)因素。1.2.2 分段回歸模型 利用分段回歸模型[7]尋找累積回歸系數(shù)隨時(shí)間變化的拐點(diǎn)，其方程結(jié)構(gòu)如下：其中，y為因變量，x為自變量，ε為隨機(jī)誤差，k為拐點(diǎn)，β1和β2分別表示拐點(diǎn)前后的回歸系數(shù)?；谧畲笏迫环ǖ脑砬蟮霉拯c(diǎn)：分別計(jì)算每個(gè)自變量所給出的分段回歸模型似然值，若自變量在k處使得模型取得最大似然值，則k為拐點(diǎn)。通過(guò)
- 多元線性回歸的估值漂移及其判定方法
互關(guān)系，以及回歸系數(shù)的相關(guān)情況等。為了檢驗(yàn)回歸方程的擬合程度，通常采用復(fù)相關(guān)系數(shù)和復(fù)判定系數(shù)來(lái)進(jìn)行判定，復(fù)相關(guān)系數(shù)和復(fù)判定系數(shù)越趨近于1，說(shuō)明因變量和自變量的線性關(guān)系越密切，回歸方程的擬合程度越高，回歸有效性越好。文獻(xiàn)[1]詳細(xì)敘述了最小二乘法(LS法)在多元線性回歸分析中的應(yīng)用研究，以及相關(guān)系數(shù)等的計(jì)算。文獻(xiàn)[2]運(yùn)用仿真實(shí)驗(yàn)的方法，在多元線性回歸分析中，通過(guò)回歸系數(shù)估值的相對(duì)真誤差發(fā)現(xiàn)，在應(yīng)用LS法解算多元線性回歸系數(shù)時(shí)，總會(huì)有回歸系數(shù)估值明顯偏離其真
統(tǒng)計(jì)與決策 2018年14期2018-08-22
- 響應(yīng)傾向得分匹配插補(bǔ)法
模型(6)的回歸系數(shù)，得到m組回歸系數(shù)估計(jì)值，記為。對(duì)m組回歸系數(shù)分別取均值，即:3，4)作為模型(6)的系數(shù)估計(jì)值。重復(fù)上述過(guò)程200次，得到200組系數(shù)估計(jì)值，計(jì)算回歸系數(shù)估計(jì)的偏差和均方誤差作為插補(bǔ)法優(yōu)良性的評(píng)價(jià)指標(biāo)。偏差是回歸系數(shù)估計(jì)值與真值之差的平均數(shù)，均方誤差為回歸系數(shù)估計(jì)值與真值之差值平方的平均數(shù)。為了對(duì)比分析，這里也給出了采用基于歐式距離的最近鄰插補(bǔ)法、傾向得分匹配插補(bǔ)法和回歸插補(bǔ)法的模擬結(jié)果。結(jié)果顯示在完全隨機(jī)無(wú)回答機(jī)制下和隨機(jī)無(wú)回答機(jī)制
統(tǒng)計(jì)與信息論壇 2018年8期2018-08-15
- 嶺回歸分析
推導(dǎo)出的估計(jì)回歸系數(shù)的計(jì)算公式作一下校正，使回歸系數(shù)更穩(wěn)定。1.2 嶺回歸分析應(yīng)用的場(chǎng)合當(dāng)自變量之間存在較強(qiáng)的多重共線性時(shí)，求得的多重線性回歸模型很不穩(wěn)定；尤其是某些自變量前回歸系數(shù)的正負(fù)號(hào)與實(shí)際問(wèn)題的專業(yè)背景不吻合。此時(shí)，嶺回歸分析有可能較好地解決前述提及的問(wèn)題。1.3 嶺回歸分析的原理多重線性回歸方程的回歸系數(shù)可以表示為β=(X'X)-1X'Y(1)β(k)=(X'X+kIm)-1X'Y(2)即在矩陣X'X的主對(duì)角線元素上加上一個(gè)非負(fù)因子k，其中Im為
四川精神衛(wèi)生 2018年3期2018-07-14
- 穩(wěn)健回歸分析
對(duì)應(yīng)的總體偏回歸系數(shù)，ε為隨機(jī)誤差，常假定其服從正態(tài)分布。偏回歸系數(shù)βi(i=1,2,…,m)表示在其他自變量固定不變的情況下，Xi每改變一個(gè)測(cè)量單位時(shí)所引起的因變量Y的平均改變量。多重線性回歸模型的樣本回歸方程可以表示為：(2)如何求出模型(1)中的參數(shù)(包括截距項(xiàng)和回歸系數(shù))呢？當(dāng)資料滿足一些前提條件(例如模型的誤差項(xiàng)服從正態(tài)分布、自變量互相獨(dú)立、不存在嚴(yán)重的異常點(diǎn))時(shí)，只需要采取普通的最小二乘法(簡(jiǎn)稱OLS估計(jì)法，也叫做最小平方法)來(lái)構(gòu)造求解回歸系數(shù)
四川精神衛(wèi)生 2018年3期2018-07-14
- 一種局部多項(xiàng)式時(shí)空地理加權(quán)回歸方法
估計(jì)方法估算回歸系數(shù)值和擬合值[4-5]。實(shí)踐證明時(shí)空地理加權(quán)回歸是探測(cè)時(shí)空非平穩(wěn)特征的有效方法，應(yīng)用廣泛。文獻(xiàn)[6]采用時(shí)空地理加權(quán)回歸方法，在考慮了房?jī)r(jià)自身影響的情況下，研究了深圳市房?jī)r(jià)的時(shí)空非平穩(wěn)變化情況；文獻(xiàn)[7]利用時(shí)空地理加權(quán)回歸方法建立了美國(guó)馬里蘭州巴爾的摩縣的土地利用時(shí)空變化模型；文獻(xiàn)[8]和[9]利用時(shí)空地理加權(quán)回歸方法，研究了PM2.5、PM10的時(shí)空非平穩(wěn)特征。GTWR的加權(quán)最小二乘估計(jì)方法是在隨機(jī)項(xiàng)方差相同且最小的假設(shè)條件下估計(jì)回歸
測(cè)繪學(xué)報(bào) 2018年5期2018-06-05
- 基于生產(chǎn)函數(shù)模型的地區(qū)經(jīng)濟(jì)發(fā)展影響因素分析
歸模型，利用回歸系數(shù)可以定量分析出影響畢節(jié)市經(jīng)濟(jì)發(fā)展的主要因素，最后利用回歸系數(shù)的假設(shè)檢驗(yàn)分析結(jié)果的正確性，并對(duì)畢節(jié)市經(jīng)濟(jì)發(fā)展給出一定的建議。關(guān)鍵詞：柯布-道格拉斯生產(chǎn)函數(shù)；多元線性回歸模型；回歸系數(shù)；假設(shè)檢驗(yàn)中圖分類號(hào)：O29文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.16723198.2017.30.0051影響經(jīng)濟(jì)發(fā)展的主要因素1.1資產(chǎn)投資經(jīng)濟(jì)發(fā)展規(guī)律告訴我們，資產(chǎn)投資尤其是固定資產(chǎn)投資是推動(dòng)經(jīng)濟(jì)發(fā)展的重要手段之一，是經(jīng)濟(jì)持續(xù)增長(zhǎng)的內(nèi)在動(dòng)
現(xiàn)代商貿(mào)工業(yè) 2017年30期2018-01-22
- 關(guān)于國(guó)家各地區(qū)城鎮(zhèn)就業(yè)情況的實(shí)證分析
：聚類分析；回歸系數(shù)；樹(shù)狀圖引言近幾年來(lái)，高校畢業(yè)生就業(yè)領(lǐng)域取向明顯向大城市、經(jīng)濟(jì)發(fā)達(dá)地區(qū)集中，地域結(jié)構(gòu)性矛盾相當(dāng)突出。以上海海事大學(xué)2016年研究生調(diào)查問(wèn)卷為例，“畢業(yè)后最理想的就業(yè)城市”的結(jié)果仍然是上海、深圳以及北京等一線城市。根據(jù)這一現(xiàn)狀，本文針對(duì)就業(yè)情況，先用聚類分析方法中的系統(tǒng)聚類法進(jìn)行分類，將全國(guó)各地區(qū)進(jìn)行劃分。然后再對(duì)原始數(shù)據(jù)進(jìn)行回歸分析，得出各變量與就業(yè)人數(shù)的回歸關(guān)系。就業(yè)情況影響因素實(shí)證分析數(shù)據(jù)及其來(lái)源本文選取國(guó)家統(tǒng)計(jì)局、中國(guó)統(tǒng)計(jì)年鑒20
南方企業(yè)家 2018年2期2018-01-19
- 我國(guó)上市公司業(yè)績(jī)預(yù)告前融資融券與內(nèi)幕交易關(guān)系的牛熊市比較
易程度之間的回歸系數(shù)大于熊市融資買入額與內(nèi)幕交易程度之間的回歸系數(shù)；業(yè)績(jī)預(yù)告是壞消息的條件下，牛市融券賣出量與內(nèi)幕交易程度之間的回歸系數(shù)大于熊市融券賣出量與內(nèi)幕交易程度之間的回歸系數(shù)。業(yè)績(jī)預(yù)告；融資融券；內(nèi)幕交易；牛熊市投資者在牛市和熊市的投資情緒不同，牛市情緒高漲，可能更喜歡融資買入；熊市情緒低落，可能更喜歡融券賣出。本文從簡(jiǎn)潔實(shí)用、方便計(jì)算的角度出發(fā)，根據(jù)上證綜合指數(shù)漲跌幅及成交量來(lái)判斷牛熊市。2011年上證綜合指數(shù)漲跌幅為-21.68%，成交量為24
金融經(jīng)濟(jì) 2017年18期2017-11-01
- 電導(dǎo)法協(xié)同Logistic方程進(jìn)行6種蘋果砧木抗寒性的比較
率與溫度間的回歸系數(shù)，并采用Logistic方程計(jì)算各植物的臨界致死低溫，同時(shí)對(duì)各植物低溫處理后枝條橫斷面進(jìn)行觀察。結(jié)果表明，隨著溫度的降低，參試植物電解質(zhì)外滲率均逐漸增加，其中紅果海棠的電解質(zhì)外滲率增加的幅度最大，其回歸系數(shù)達(dá)-7.78；其次是西府海棠，為-6.67；而八棱海棠最小，為-2.86。根據(jù)各低溫處理后橫斷面的表現(xiàn)可以看出，八棱海棠的受害程度最輕，紅果海棠的受害程度最重。各植物的臨界致死溫度分別為：紅果海棠-23.2 ℃、西府海棠-27.3 ℃
江蘇農(nóng)業(yè)科學(xué) 2017年10期2017-07-21
- 電導(dǎo)法協(xié)同Logistic方程進(jìn)行6種蘋果砧木抗寒性的比較
率與溫度間的回歸系數(shù)，并采用Logistic方程計(jì)算各植物的臨界致死低溫，同時(shí)對(duì)各植物低溫處理后枝條橫斷面進(jìn)行觀察。結(jié)果表明，隨著溫度的降低，參試植物電解質(zhì)外滲率均逐漸增加，其中紅果海棠的電解質(zhì)外滲率增加的幅度最大，其回歸系數(shù)達(dá)-7.78；其次是西府海棠，為-6.67；而八棱海棠最小，為-2.86。根據(jù)各低溫處理后橫斷面的表現(xiàn)可以看出，八棱海棠的受害程度最輕，紅果海棠的受害程度最重。各植物的臨界致死溫度分別為：紅果海棠-23.2 ℃、西府海棠-27.3 ℃
江蘇農(nóng)業(yè)科學(xué) 2017年10期2017-07-21
- 內(nèi)部控制質(zhì)量的優(yōu)勢(shì)富集效應(yīng)
——基于審計(jì)質(zhì)量與審計(jì)收費(fèi)雙重角度
位值的增大,回歸系數(shù)皆逐漸增大,說(shuō)明上市公司內(nèi)部控制質(zhì)量這一“優(yōu)勢(shì)”越突顯,其放大到審計(jì)質(zhì)量和50%分位數(shù)以上的審計(jì)費(fèi)用的作用越明顯。從而驗(yàn)證了在審計(jì)質(zhì)量和審計(jì)費(fèi)用的雙重視角下,優(yōu)勢(shì)富集效應(yīng)的存在。加強(qiáng)企業(yè)對(duì)高質(zhì)量?jī)?nèi)部控制優(yōu)勢(shì)富集效應(yīng)的研究,有助于強(qiáng)化企業(yè)提高其內(nèi)部控制質(zhì)量的意愿,外部管制和內(nèi)在驅(qū)動(dòng)雙管齊下,最終達(dá)到上市公司內(nèi)部控制質(zhì)量的根本提升。這是本文希望做出的第二個(gè)貢獻(xiàn)。二、假設(shè)提出優(yōu)勢(shì)富集效應(yīng)探討了系統(tǒng)成型和演化規(guī)律。優(yōu)勢(shì)建立、優(yōu)勢(shì)突顯和優(yōu)勢(shì)富集是
- 直線回歸中回歸系數(shù)公式推導(dǎo)的教學(xué)研究
)直線回歸中回歸系數(shù)公式推導(dǎo)的教學(xué)研究武兆云1， 楊慧娟1， 張 丹2， 張小全1， 丁永樂(lè)1， 楊鐵釗1(1.河南農(nóng)業(yè)大學(xué) 煙草學(xué)院，河南 鄭州 450002； 2.河南農(nóng)業(yè)大學(xué) 農(nóng)學(xué)院，河南 鄭州 450002)回歸系數(shù)的計(jì)算是直線回歸的關(guān)鍵一步，而其公式結(jié)構(gòu)復(fù)雜，因此掌握其推導(dǎo)過(guò)程尤為重要.提出了直線回歸中回歸系數(shù)公式推導(dǎo)的邏輯思路和方法，并提出了教學(xué)建議.直線回歸；回歸系數(shù)公式；回歸截距；乘積和；離均差平方和；推導(dǎo)過(guò)程0 引言直線回歸是農(nóng)業(yè)類高等院
- 兒童哮喘危險(xiǎn)因素的病例對(duì)照研究
種反應(yīng)及癥狀回歸系數(shù)β3.2，X2 9.25，OR 31.5，95%置信區(qū)間3.62～295.5；過(guò)敏性鼻炎回歸系數(shù)β3.3，X2 31.5，OR 32.7，95%置信區(qū)間9.2～119.6；家族病史情況回歸系數(shù)β 2.5，X2 18.4，OR 15.6，95%置信區(qū)間 4.5，95%置信區(qū)間上限 41.3；是否有濕疹病史回歸系數(shù)β 2.5，X217.3，OR 13.4，95%置信區(qū)間 3.8，95%置信區(qū)間上限 38.4；上感次數(shù)回歸系數(shù)β 2.4，X2
中國(guó)醫(yī)藥指南 2017年2期2017-01-15
- 基于Wald檢驗(yàn)實(shí)現(xiàn)Cox回歸中自變量影響大小的推斷*
比較標(biāo)準(zhǔn)化偏回歸系數(shù)大小的做法，提出借助Wald檢驗(yàn)進(jìn)行排序，并用小細(xì)胞肺癌患者隨訪研究的實(shí)例加以說(shuō)明。方法借鑒SNK多重比較法的比較策略，以盡可能少的比較次數(shù)，使用Wald檢驗(yàn)對(duì)樣本標(biāo)準(zhǔn)化回歸系數(shù)進(jìn)行假設(shè)檢驗(yàn)，從而探討總體標(biāo)準(zhǔn)化回歸系數(shù)之間的關(guān)系，形成依影響大小排序的若干子集。結(jié)果選入模型的4個(gè)變量被劃分在2個(gè)子集內(nèi)，可認(rèn)為第1子集中的自變量（實(shí)例中的腫瘤大小、年齡）對(duì)預(yù)后的影響小于第2子集中的自變量（神經(jīng)元特異性烯醇化酶），自變量癌胚抗原對(duì)預(yù)后的影響介
中國(guó)衛(wèi)生統(tǒng)計(jì) 2016年6期2017-01-10
- 關(guān)于相對(duì)數(shù)的一些思考
依變化規(guī)律的回歸系數(shù)就不是兩個(gè)指標(biāo)，而是三個(gè)指標(biāo)加入計(jì)算。由它們的計(jì)算公式：相關(guān)系數(shù)r=b·σx/σy回歸系數(shù)b=r·σx/σy可以看出，相關(guān)系數(shù)的計(jì)算，除了用兩個(gè)相關(guān)變量的標(biāo)準(zhǔn)差對(duì)比，還用到了回歸系數(shù)，同樣，回歸系數(shù)的計(jì)算除了用兩個(gè)變量的標(biāo)準(zhǔn)差對(duì)比，還用到了相關(guān)系數(shù)。這就突破了原來(lái)的六種相對(duì)數(shù)只是兩個(gè)指標(biāo)對(duì)比的算法。三、六種相對(duì)數(shù)以外，有沒(méi)有其他種類的相對(duì)數(shù)事實(shí)上，已成定論的六種相對(duì)數(shù)并沒(méi)有涵蓋所有相對(duì)數(shù)。無(wú)論在統(tǒng)計(jì)理論或是在統(tǒng)計(jì)實(shí)踐中，都存在不少獨(dú)立于
都市家教·下半月 2016年11期2016-12-29
- 取代乙烷交叉式與重疊式穩(wěn)定性的密度泛函理論研究
ΔE)的相關(guān)回歸系數(shù)最高(R2=0.95)，交換能差值(ΔEx)與 ΔE相關(guān)回歸系數(shù)次之(R2=0.93)。選擇 ΔEc與ΔEx對(duì)ΔE進(jìn)行多元線性擬合，得到其相關(guān)回歸系數(shù)(R2=0.95)，再用擬合公式計(jì)算 ΔE(實(shí)際), 并與計(jì)算得到的 ΔE(理論)進(jìn)行線性擬合, 得到其相關(guān)回歸系數(shù)R2=0.95。我們認(rèn)為, 交叉式取代乙烷的構(gòu)象穩(wěn)定性主要起源于其分子內(nèi)的相關(guān)能(Ec)和交換能(Ex)作用。取代乙烷； 交叉式； 重疊式； 穩(wěn)定性； 密度泛函在藥物分子設(shè)計(jì)
當(dāng)代化工 2016年3期2016-12-20
- 二次指數(shù)平滑預(yù)測(cè)模型回歸系數(shù)計(jì)算方法探討
平滑預(yù)測(cè)模型回歸系數(shù)計(jì)算方法探討陳武1，張山江1，侯春華1，陳塵2，曾李晨1（1.西南石油大學(xué)經(jīng)濟(jì)管理學(xué)院，成都610500；2.中石油西南油氣田勘探開(kāi)發(fā)研究院，成都610000）針對(duì)二次指數(shù)平滑預(yù)測(cè)模型回歸系數(shù)的計(jì)算原理和方法，文章對(duì)傳統(tǒng)的二次指數(shù)平滑預(yù)測(cè)模型中的回歸系數(shù)的計(jì)算進(jìn)行推導(dǎo)，得到二次指數(shù)平滑預(yù)測(cè)模型回歸系數(shù)的另外一種計(jì)算方法。改進(jìn)后的二次指數(shù)平滑預(yù)測(cè)模型中的回歸系數(shù)是等價(jià)的，而改進(jìn)后的二次指數(shù)平滑預(yù)測(cè)模型回歸系數(shù)的計(jì)算既簡(jiǎn)單也便于記憶。預(yù)測(cè)；
統(tǒng)計(jì)與決策 2016年19期2016-12-09
- 帶有等相關(guān)誤差結(jié)構(gòu)生長(zhǎng)曲線模型的參數(shù)boo tstrap檢驗(yàn)
生長(zhǎng)曲線模型回歸系數(shù)的檢驗(yàn)問(wèn)題，構(gòu)造了參數(shù)bootstrap(PB)檢驗(yàn)統(tǒng)計(jì)量和相應(yīng)的PB檢驗(yàn)，并與已有的廣義p值(GP)檢驗(yàn)進(jìn)行了比較。模擬研究表明，PB方法和GP方法在單處理組情形下的表現(xiàn)趨于一致，均能很好的控制第一類錯(cuò)誤率；在多處理組情形下，GP方法在一些情形下不能很好地控制犯第一類錯(cuò)誤的概率，而PB方法則在很好地保證檢驗(yàn)名義水平的前提下，同時(shí)也具有良好的勢(shì)表現(xiàn)。生長(zhǎng)曲線模型；重復(fù)觀測(cè)；bootstrap重抽樣；廣義p值0 引言生長(zhǎng)曲線模型在生物學(xué)、
統(tǒng)計(jì)與決策 2016年19期2016-12-09
- 基于正則化回歸的組學(xué)數(shù)據(jù)變量篩選方法*
礎(chǔ)上增加懲罰回歸系數(shù)的正則項(xiàng)。記β=(β1,β2,…,βm)為回歸系數(shù)，m為總自變量的個(gè)數(shù)，則在線性回歸中，通過(guò)最小化損失函數(shù)可以得出對(duì)應(yīng)模型的回歸系數(shù)估計(jì)值(1)其中‖·‖2是L2范數(shù)，表示向量各元素平方和的平方根，該式表示取右端函數(shù)最小值的模型參數(shù)，這實(shí)際是傳統(tǒng)的最小二乘估計(jì)。當(dāng)變量個(gè)數(shù)較多時(shí)，利用該式估計(jì)得出的回歸模型存在過(guò)擬合的風(fēng)險(xiǎn)，正則化則可以在保留所有特征變量的情況下，避免過(guò)擬合的發(fā)生，其基本原理是通過(guò)增加的正則項(xiàng)，減少所有特征變量回歸系數(shù)估計(jì)
中國(guó)衛(wèi)生統(tǒng)計(jì) 2016年4期2016-10-26
- 基于穩(wěn)健偏最小二乘法的諧波發(fā)射水平估計(jì)
最小二乘求解回歸系數(shù)，即系統(tǒng)側(cè)諧波阻抗。該方法保留了偏最小二乘法在自變量存在相關(guān)性的條件下仍然能夠回歸建模的優(yōu)點(diǎn)，同時(shí)有效克服了偏最小二乘法由于對(duì)異常值敏感而導(dǎo)致建模結(jié)果不準(zhǔn)確的缺陷。通過(guò)仿真分析和實(shí)際工程算例驗(yàn)證了該方法的準(zhǔn)確性和有效性。關(guān)鍵詞：穩(wěn)健偏最小二乘回歸；異常值；回歸系數(shù)；系統(tǒng)諧波阻抗；諧波發(fā)射水平現(xiàn)在，一方面快速發(fā)展的現(xiàn)代社會(huì)對(duì)電能質(zhì)量的要求越來(lái)越高，而另一方面，大量非線性工業(yè)用戶以及電力電子裝置接入電網(wǎng)，產(chǎn)生了大量諧波，這些諧波的產(chǎn)生將給電
- 取代乙烷交叉式與重疊式穩(wěn)定性的密度泛函理論研究
ΔE）的相關(guān)回歸系數(shù)最高（R2=0.95），交換能差值（ΔEx）與 ΔE相關(guān)回歸系數(shù)次之（R2=0.93）。選擇 ΔEc與ΔEx對(duì)ΔE進(jìn)行多元線性擬合，得到其相關(guān)回歸系數(shù)（R2=0.95），再用擬合公式計(jì)算ΔE（實(shí)際）， 并與計(jì)算得到的ΔE（理論）進(jìn)行線性擬合， 得到其相關(guān)回歸系數(shù)R2=0.95。我們認(rèn)為， 交叉式取代乙烷的構(gòu)象穩(wěn)定性主要起源于其分子內(nèi)的相關(guān)能（Ec）和交換能（Ex）作用。關(guān) 鍵 詞：取代乙烷； 交叉式； 重疊式； 穩(wěn)定性； 密度泛函中圖分
當(dāng)代化工 2016年3期2016-07-10
- 基于偏差補(bǔ)償最小二乘的諧波發(fā)射水平估計(jì)方法
二乘算法求解回歸系數(shù)；提取對(duì)因變量解釋性最強(qiáng)的綜合變量，辨識(shí)系統(tǒng)中的信息和噪聲，更好地克服變量相關(guān)性在系統(tǒng)建模中的影響。由回歸系數(shù)映射出系統(tǒng)諧波阻抗，進(jìn)而計(jì)算出用戶的諧波發(fā)射水平。通過(guò)實(shí)驗(yàn)電路仿真分析驗(yàn)證了該方法的有效性。關(guān)鍵詞：諧波阻抗；諧波發(fā)射水平；偏差補(bǔ)償最小二乘；回歸系數(shù)Project suPPorted bY the Nationa1 Natura1 Science Foundation of China（51267012）；the Nation
電網(wǎng)與清潔能源 2016年4期2016-06-08
- 原發(fā)性癲癇患者認(rèn)知功能障礙的臨床特征及相關(guān)因素分析
育年限（標(biāo)化回歸系數(shù)＝0.532）、發(fā)作時(shí)間（標(biāo)化回歸系數(shù)＝－0.253）、病程（標(biāo)化回歸系數(shù)＝－0.227）和用藥數(shù)量（標(biāo)化回歸系數(shù)＝－0.238）具有相關(guān)性（P＜0.05），VIQ與患者受教育年限（標(biāo)化回歸系數(shù)＝0.627）和用藥數(shù)量（標(biāo)化回歸系數(shù)＝－0.281）具有相關(guān)性（P＜0.05），患者的PIQ與患者的受教育年限（標(biāo)化回歸系數(shù)＝0.337）、發(fā)作時(shí)間（標(biāo)化回歸系數(shù)＝－0.274）、年齡（標(biāo)化回歸系數(shù)＝－0.265）和用藥數(shù)量（標(biāo)化回歸系數(shù)＝－0
中國(guó)實(shí)用神經(jīng)疾病雜志 2015年24期2015-07-05
- 綜合c－k 條件嶺估計(jì)的進(jìn)一步研究①
=0}為未知回歸系數(shù)向量.本文假設(shè)X 的秩r(X)=p，H 的秩r(H)=q，均為列滿矩陣.在齊次等式約束的線性模型(1)下，β 的約束最小二乘估計(jì)(RLSE)為，其中多年以來(lái)，許多學(xué)者為改進(jìn)RLSE 降低其均方誤差，在有偏估計(jì)類中得到一些合理的估計(jì).本文在《綜合c－K 條件嶺估計(jì)及其優(yōu)良性》中得到優(yōu)良性等性質(zhì)的基礎(chǔ)上進(jìn)一步研究，證明其可容許性，并給出其迭代解，從而使此估計(jì)更加完善.1 綜合c－K 條件嶺估計(jì)定義1 對(duì)模型(1)齊次等式約束線性回歸模型回歸
- Aalen模型在醫(yī)學(xué)研究中的應(yīng)用
的特征就是其回歸系數(shù)是隨時(shí)間變化的函數(shù)，這種函數(shù)沒(méi)有特定的形式，也不依賴任何參數(shù)假定。相對(duì)于Cox模型的半?yún)?shù)本質(zhì)，Aalen模型是非參的，適合用于模型中含隨時(shí)間變化的協(xié)變量效應(yīng)的研究。原理與方法Aalen模型的基本形式如下［4］：其中α0（t）是基線函數(shù)，Zj（t）是第j個(gè)協(xié)變量在t時(shí)刻的值。αj（t），j＝1，…，k是回歸參數(shù)，其作用等價(jià)于Cox模型中的回歸系數(shù)。在實(shí)際中，直接估計(jì)αj（t）是困難的，因而轉(zhuǎn)向估計(jì)與其等價(jià)的累積回歸系數(shù)，定義如下：假設(shè)數(shù)
中國(guó)衛(wèi)生統(tǒng)計(jì) 2015年2期2015-03-09
- 淺談江蘇省高校教育之收費(fèi)問(wèn)題
了該模型中的回歸系數(shù)，我們考慮到地域、學(xué)校的不同對(duì)學(xué)費(fèi)制定的影響，再次對(duì)該模型進(jìn)行優(yōu)化，最終得出了高校教育的學(xué)費(fèi)制定標(biāo)準(zhǔn)。關(guān)鍵詞：多元線性回歸模型；回歸系數(shù)；最小二乘法0 引言隨著我國(guó)高等教育的持續(xù)發(fā)展，高校教育的收費(fèi)問(wèn)題成為了熱點(diǎn)，江蘇省作為一線城市自然成為了關(guān)注的焦點(diǎn)，如果高校收費(fèi)過(guò)高，會(huì)使許多低收入家庭難以承擔(dān)；截止到2014年，江蘇省普通本科院校平均費(fèi)用達(dá)到了6000～7000元，但是由于中等居民的人均收入為12202元，用于教育的大約占總收入一半
山東工業(yè)技術(shù) 2014年18期2014-04-29
- 城鎮(zhèn)居民收入差距主要因素回歸分析
；回歸方法；回歸系數(shù)中圖分類號(hào)：F124.7 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-6835（2014）03-0107-02在計(jì)劃經(jīng)濟(jì)向市場(chǎng)經(jīng)濟(jì)轉(zhuǎn)軌后，城鎮(zhèn)居民收入特征發(fā)生根本的變化，收入來(lái)源多樣化，居民財(cái)產(chǎn)性和投資性收入比重增加等。隨著行業(yè)壟斷的形成，金融市場(chǎng)和區(qū)域經(jīng)濟(jì)趨于成熟，城鎮(zhèn)居民間的收入差距不斷擴(kuò)大。從表1可以看出，從1990—2008年，廣東省城鎮(zhèn)居民各階層收入所占比重狀況分別是最低收入階層、低收入階層、中偏下收入階層和中等收入階層的可支配收入占
科技與創(chuàng)新 2014年3期2014-04-14
- 缺失森林算法在缺失值填補(bǔ)中的應(yīng)用
方法計(jì)算出的回歸系數(shù)為b1，用完整數(shù)據(jù)集計(jì)算出的回歸系數(shù)為b2，則相對(duì)誤差為（b1-b2）/b2×100%。優(yōu)：填補(bǔ)后各回歸系數(shù)的相對(duì)誤差的絕對(duì)值≤10%；良：填補(bǔ)后各回歸系數(shù)相對(duì)誤差的絕對(duì)值≤20%；中：填補(bǔ)后各回歸系數(shù)的絕對(duì)值≤50%；差：填補(bǔ)后各回歸系數(shù)相對(duì)誤差的絕對(duì)值＞50%。（2）評(píng)價(jià)標(biāo)準(zhǔn)計(jì)算等級(jí)順位累加構(gòu)成比（優(yōu)＋良），如果累加優(yōu)良率相同，可以參考相對(duì)誤差的大小；如果填補(bǔ)后有回歸系數(shù)相對(duì)誤差＞50%，則填補(bǔ)估算失效。（3）填補(bǔ)結(jié)果當(dāng)缺失率為10
中國(guó)衛(wèi)生統(tǒng)計(jì) 2014年5期2014-03-10
- 一元非線性回歸方程系數(shù)的通解
LS法）計(jì)算回歸系數(shù)。本文討論了一元非線性回歸模型的通解，并以九種相對(duì)常見(jiàn)的一元非線性模型為例，給出了它們回歸系數(shù)解的具體表達(dá)式。一元非線性回歸；回歸系數(shù)；通解0.引言回歸分析作為一種最基礎(chǔ)、最重要的統(tǒng)計(jì)分析方法,在眾多學(xué)科領(lǐng)域包括測(cè)繪[1]領(lǐng)域得到了重要而廣泛的應(yīng)用。在建立實(shí)驗(yàn)?zāi)Ｐ秃屠碚撃Ｐ偷臋z驗(yàn)系統(tǒng)中，回歸分析起著不可或缺的作用。在統(tǒng)計(jì)學(xué)中，回歸分析包括進(jìn)行建模和分析幾個(gè)變量的任何技術(shù)，其焦點(diǎn)在于一個(gè)因變量和一個(gè)或多個(gè)自變量之間的關(guān)系。根據(jù)自變量和因變
經(jīng)緯天地 2014年6期2014-03-08
- 線性模型廣義最小二乘估計(jì)的中偏差、重對(duì)數(shù)律與相對(duì)效率
回歸模型:設(shè)回歸系數(shù)的先驗(yàn)假定:是錯(cuò)誤指定的, 正確的先驗(yàn)分布滿足條件:1 廣義最小二乘估計(jì)的中偏差及重對(duì)數(shù)率1.1 基本引理模型(1)滿足條件[3]:引理1 文獻(xiàn)[3]中定理2.1, 在條件A1與A2下, 如果又滿足條件:引理2 文獻(xiàn)[3]中定理3.1,在條件A1與A2下, 又假定:1.2 主要命題及結(jié)論命題1和命題2證明了線性模型(6)滿足文獻(xiàn)[3]的2個(gè)條件A1與A2.定理1 在條件B1及B2下, 如果滿足條件:定理2 在條件B1及B2下,又假定:證
- On Commuting Graph of Group Ring ZnS3?
部地區(qū)收入的回歸系數(shù)要高于中西部地區(qū)，說(shuō)明東部地區(qū)社會(huì)地位的提高更依賴于收入的提高；但是中西部地區(qū)健康的回歸系數(shù)要高于東部地區(qū)，意味著中西部地區(qū)健康對(duì)社會(huì)地位的影響更大。此外，東部地區(qū)房產(chǎn)的回歸系數(shù)要高于中西部地區(qū)，表示東部地區(qū)居民對(duì)房產(chǎn)有更高的偏好。Case 1.Forα=(α1,α2)∈Z6S3,β=(β1,β2)∈Z6S3,whereα1∈V(Z2S3),α2∈Z(Z2S3),β1∈Z(Z3S3),β2∈V(Z3S3),thenα—βis an ed
- 齊次等式約束線性回歸模型回歸系數(shù)的綜合條件嶺估計(jì)
束線性模型下回歸系數(shù)的條件根方估計(jì)[J]．沈陽(yáng)師范學(xué)院學(xué)報(bào),1999,15(4):13-19．[2] 史建紅．約束線性回歸模型回歸系數(shù)的條件嶺型估計(jì)[J]．山西師范大學(xué)學(xué)報(bào)：自然科學(xué)版,2001,15(4):10-16．[3] 農(nóng)秀麗,彭展聲．約束線性回歸模型回歸系數(shù)的廣義條件嶺估計(jì)[J]．湘南學(xué)院學(xué)報(bào)：自然科學(xué)版,2008,29(5):28-30．[4] 林 路．回歸系數(shù)的綜合嶺估計(jì)[J]．?dāng)?shù)理統(tǒng)計(jì)與應(yīng)用概率,1996,11(3):179-184．[5]
湖南師范大學(xué)自然科學(xué)學(xué)報(bào) 2012年2期2012-11-22
- 截尾分位數(shù)回歸及其在生存分析中的應(yīng)用*
00個(gè)樣本的回歸系數(shù)的均數(shù)和標(biāo)準(zhǔn)差。模擬結(jié)果見(jiàn)表1。表格中出現(xiàn)缺項(xiàng)的原因是因?yàn)殡S著截尾比例的不斷增加，越來(lái)越多的截尾生存時(shí)間會(huì)隨機(jī)地出現(xiàn)在生存時(shí)間分布的上游，直到觀察結(jié)束時(shí)，生存率未降到0，即生存分布不完全，無(wú)法估計(jì)高分位數(shù)水平對(duì)應(yīng)的回歸方程。模擬結(jié)果顯示:對(duì)滿足比例風(fēng)險(xiǎn)假定和對(duì)數(shù)線性假定的數(shù)據(jù)，Cox比例風(fēng)險(xiǎn)回歸模型和截尾分位數(shù)回歸模型擬合的回歸系數(shù)與真值1非常接近，估計(jì)效率也相似。由于資料中不存在異質(zhì)問(wèn)題，所以不同分位數(shù)水平對(duì)應(yīng)的回歸系數(shù)非常接近。隨著
中國(guó)衛(wèi)生統(tǒng)計(jì) 2011年2期2011-03-11
- 多元線性回歸系數(shù)的圖形解析
線形象直觀，回歸系數(shù)的解釋也通俗易懂。多元線性回歸的數(shù)學(xué)模型及變量間的關(guān)系相對(duì)復(fù)雜，其回歸系數(shù)常被解釋為“在固定其他自變量或扣除其他自變量影響時(shí)，Xi每改變一個(gè)單位時(shí)應(yīng)變量Y的平均變化量”。但究竟如何固定或扣除，以及扣除的回歸貢獻(xiàn)的去向，各類參考書(shū)籍中少有提及。筆者以鄭俊池教授制作的多元線性回歸教學(xué)模型(圖1)為基礎(chǔ)，剖析了多元線性回歸與簡(jiǎn)單線性回歸函數(shù)圖像的空間投影關(guān)系，進(jìn)而給出了有關(guān)多元線性回歸系數(shù)固定或扣除含義的圖形解釋〔1〕。1．知識(shí)回顧簡(jiǎn)單線性回
中國(guó)衛(wèi)生統(tǒng)計(jì) 2011年1期2011-03-11
- 復(fù)雜抽樣下截取因變量回歸系數(shù)方差估計(jì)的模擬研究*
σ2)，估計(jì)回歸系數(shù)常用的是最大似然法，似然函數(shù)的表達(dá)式如下:上述方法是針對(duì)于簡(jiǎn)單隨機(jī)樣本而言的，對(duì)于復(fù)雜抽樣數(shù)據(jù)應(yīng)考慮更恰當(dāng)?shù)奶幚矸椒?，如本次研究采用的參?shù)及其方差估計(jì)方法是泰勒級(jí)數(shù)法。泰勒級(jí)數(shù)法的基本思想就是通過(guò)泰勒級(jí)數(shù)展開(kāi)式用線性估計(jì)去逼近非線性估計(jì)，給出方差這個(gè)非線性估計(jì)量的一個(gè)近似估計(jì)。然而泰勒級(jí)數(shù)法本身不能獨(dú)自地用于方差估計(jì)的構(gòu)造，它只是提供了非線性估計(jì)量的一種線性逼近算法，有時(shí)需要結(jié)合其他的復(fù)雜抽樣(刀切法、平衡半樣本法等)技術(shù)進(jìn)行分析〔4，
中國(guó)衛(wèi)生統(tǒng)計(jì) 2011年1期2011-03-11
- 中國(guó)上市公司股權(quán)結(jié)構(gòu)與企業(yè)績(jī)效關(guān)系的實(shí)證研究＊
對(duì) ROE的回歸系數(shù)為 0.07,對(duì)EPS的回歸系數(shù)為 0.002,兩個(gè)回歸系數(shù)都為正,然而都沒(méi)有通過(guò)顯著性檢驗(yàn),因此無(wú)法證實(shí)第一大股東的持股比例與企業(yè)的績(jī)效是正相關(guān)的。CR3對(duì) ROE的回歸系數(shù)為 0.0766,且在 10%水平上顯著,對(duì) EPS的回歸系數(shù)為 0.0036,且在1%水平上顯著,說(shuō)明前三大股東的持股比例與企業(yè)的績(jī)效正相關(guān);CR5對(duì) ROE的回歸系數(shù)為 0.0916,在 10%水平上通過(guò)了顯著性檢驗(yàn),對(duì) EPS的回歸系數(shù)為 0.0049,在
長(zhǎng)沙大學(xué)學(xué)報(bào) 2010年1期2010-11-07
- 平衡損失下帶約束的回歸系數(shù)的線性容許估計(jì)
量e的方差。回歸系數(shù) β的最小二乘估計(jì)?β ?(X′X)-1X′Y 定義為使達(dá)到最小的d值,最小值是建立后模型的一種擬合優(yōu)度。對(duì)于?β的統(tǒng)計(jì)性質(zhì),人們主要是從估計(jì)的精度來(lái)考慮它的優(yōu)良性。從統(tǒng)計(jì)判決理論角度看,就是在損失函數(shù)下,選取使風(fēng)險(xiǎn)達(dá)到最小的估計(jì)。作為(2)式和(3)式2種標(biāo)準(zhǔn)的綜合,文獻(xiàn)[1]提出了一個(gè)新的稱為平衡損失函數(shù)的標(biāo)準(zhǔn),即其中,w∈[0,1]已知。(4)式既考慮了估計(jì)的精度,又考慮了模型擬合的優(yōu)良程度,所以它是一個(gè)更全面和合理的標(biāo)準(zhǔn)。采用(