逐步回归分析(教材)_第1页
逐步回归分析(教材)_第2页
逐步回归分析(教材)_第3页
逐步回归分析(教材)_第4页
逐步回归分析(教材)_第5页
已阅读5页,还剩35页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、第6节逐步回归分析逐步回归分析实质上是建立最实用、应用最广泛的最佳多重线性回归方程。6.1逐步回归分析概述1概念逐步回归模型基于已知的地理数据序列,是基于多元回归分析和反向运动学和双重检验方法,反映地理要素之间变化关系的最佳回归模型。逐步回归分析是多元线性回归分析中使用逆压缩变换方法和双检验方法研究和构建最优回归方程,并用于地理分析和地理确定的多重线性回归分析。本质上,在多元线性回归分析的基础上,导出了研究和建立最佳多重线性回归方程的算法方案。主要含义如下:1)逐步回归分析的理论基础是多元线性回归分析。2)逐步回归分析的算法技术是解决逆紧致变换方法。3)逐步回归分析的方法是双检验方法,即检验方

2、法的引入和消除;4)逐步回归分析的核心任务是建立最佳回归方程。5)逐步回归分析的主要作用是减少维数。主要用途:主要用于因果分析、聚类分析、区域规划、综合评价等。2最佳回归模型1)概念最佳回归模型是仅包含对变量有显着影响的参数的回归方程。逐步回归分析是解决如何构建最佳回归方程的问题。2)最优回归模型的意义最佳回归模型有两种含义:(1)参数数过滤参数选择的参数越多,回归平方和越大,剩余平方和越小,回归分析就越好,这也是提高回归模型分析效果的重要条件。(2)收购重要性参数对变量y有显着影响,因此设置最佳回归模型的目的主要用于预测和分析,自然要求是尽可能少的参数,对变量y有显着影响。引数越多,预测计算

3、就越大,而n固定增加时,其馀标准偏差会增加,因此引数数量应该足够。引入和删除参数时,将执行重要的测试以达到优化状态,因此,此回归方程也称为优化模型。3最佳回归模型选择方法最佳回归模型的选择方法主要是以下四种实证开发方法:(1)组合优化方法组合优化是指从变量组合生成的所有回归方程中选择最佳条件。具体过程如下:(1)建立变数组合的所有回归方程式(2)最佳回归方程首先,大大测试每个方程和自变量。最佳原理:参数全部显著,其余标准差较小,最优回归方程也全部可选。2)删除优化方法最佳剔除方法是指从包含所有参数的回归方程中逐个剔除非重要参数,得出最佳回归方程的最佳方法。具体过程如下:(1)建立多元回归方程(

4、2)最佳回归方程剔除参数的原则是先求出部分回归平方和最小值,进行重要的测试,然后在不重要的情况下剔除。退出原则是删除不重要的参数完成到最后,只保留对变量y有重要影响的参数。3)引入优秀法优化方法的引入是一种优选的方法,通过重要性测试,逐个引入对变量影响很大的参数。具体过程如下:(1)建立一元回归方程(2)最佳回归方程引进原则是将部分相关系数绝对值引入最大值,然后进行显著性检查,在注意的情况下,继续引入引数,直到不再引入任何重要的引数为止。4)逐步回归分析逐步回归分析采用回归分析原理,采用双重检验原理,逐步引入和消除自变量,是建立最优回归方程的优选方法。具体含义如下:(1)每个阶段都有两个引入变

5、量和删除变量的过程,引入变量和删除变量需要在继续之前进行Fv测试,因此也称为双检查回归分析。(2)变量引入原则在未引入的变量中,部分回归平方和最大值f显著性检验,在显著的情况下引入,否则终止。(3)剔除变量剔除原则在引入的参数中部分回归平方和最小值,经过f测试,如果不是很重要的话,则剔除。(4)退出条件是最佳条件,没有引入重要参数,没有可消除的重要参数,这也是最优回归方程的本质。由此可见,这不是一种新的理论,而是基于多元回归分析推导出的算法技术。现在介绍了逐步回归分析的具体建模原理和方法步骤。6.2逐步回归分析的数学模型逐步回归分析的数学模型只包含变量y具有重要影响参数的多重线性回归方程。为了

6、便于转换计算和计算,将对变量重新编号,并将原始数据标准化。6.2.1变量重新编号1新数字数学模型参数数为k-1,数学模型为:样式,=1,2,3,nn:样本数其中:部分回归平方和为::的算术平均值:部分回归系数:与逆矩阵的对角线相对应的元素2回归数学模型新编号的回归数学模型如下:6.2.2标准化数学模型规范化回归数学模型是通过规范化原始数据建立的回归数学模型。也就是说,基本上,每个原始数据减去平均值,然后除以偏差平方和的平方根。1标准化回归数学模型J=1,2,3,k其中:!偏差平方数的平方根注意:偏差、平方和、平方根、方差和标准差的差值。回归数学模型如下:2标准化回归数学模型的正则方程标准化回归

7、数学模型一般方程的一般形式如下:因为,因此,上述正则方程可以是:这样,在数据标准化处理后,使用估计值0进行数据标准化处理后,回归方程数学模型的一般方程系统的一般形式如下:这样,数据标准化的估计值应为零,您可以:其中:称为相关系数矩阵。求解这个方程,可以得到标准化的回归模型,如下所示:标准化回归模型的矩阵形式:6.2.3标准化前后的回归模型关系1标准化前后的回归模型1)标准化前后的回归模型如下:2)标准化后回归模型如下:2标准化前后的部分回归系数标准化前后部分回归系数关系可从变更过程反转中看出。标准化前回归模型可以:整理后可以得到:将标准化前后回归模型的部分回归系数关系与通过暂记系数方法知道的先

8、前回归模型进行了比较。J=1,2,3,k-1所以只要求就可以求,以后只能讨论标准化的回归模型。3标准化的各种偏差平方和6.3解决逆向小型转换方法逐步回归分析采用逆运动学变换方法引入和消除每个变量,进行矩阵变换,最后求出方程的解和逆。现在介绍了变换原理和方法步骤。6.3.1求解逆紧致变换方法的基本公式如上所述,标准化的正则表达式为:通过高斯消元法变换的可扩展矩阵可以找到解及其逆矩阵。高句丽高斯移除方法转换为:2=d转换公式为:说明:公式(1)很容易理解。公式(2)是计算主列和非主列的行的元素,方法是减去相应的主行,乘以主列元素,然后除以主元素。例如,求解以下等式:解决方案:使用上述高斯消元方法的

9、(1)(2)公式求解上述方程的逆变换过程如下:以上方程可通过高斯解求逆变换矩阵形式。=1时,主要元素为:根据高斯解,可以找到逆变换方法原理和方法。=2时,主要元素为:根据高斯解,可以找到逆变换方法原理和方法。=3时,主要元素为:根据高斯解,可以找到逆变换方法原理和方法。x问题:如上高斯参数方法转换中所示,单位矩阵只是从后面的k移动到前面的k列,并仅以形式工作。以这种方式使用计算机程序解决反效果时,如果使用更多的k * k单元,请考虑是否可以节省k * k单元。如上转换所示,如果以后转换k列后可以放置以前的k列,则可以节省k * k单元格。怎么办?这查找后k列变换前后的关系。经过平移(-1)后,

10、列k 1显示0,除非第一个元素为1。也就是说,列k 1中每个元素的值为:如果再转换一次,则列k 1中的元素可以从高斯删除方法的公式(1)(2)转换为:这相当于将列k 1中的第一个元素1除以关键元素,将其他元素除以关键元素,然后更改编号。因此,可以将k 1列放在它的前面,从而节省了单位矩阵,上述整个过程称为矩阵解逆缩减变换方法。结合上述公式,求解了求逆小波变换方法的公式。说明:(1)为主线的要素;(2)非基列的非基列的元素;使用公式(2)查找所有非主行元素,例如。(3)为主要因素;(4)样式查找主行中的元素。例如:用逆紧变换法求解上述方程。解决方案:=1,主要元素为:根据逆紧变换方法的原理和方法

11、,您可以:=2,主要元素为:根据逆紧变换方法的原理和方法,您可以:=3,主要元素为:根据逆紧变换方法的原理和方法,您可以:x比较两种方法,可以看出结果相同。因此,解法可以折中逆压缩转换方法节省K*K存储设备。6.3.2基本特性每一个1角变换求解集及其逆矩阵。2对变形,与变换顺序无关。也就是说,它与任何基本元素无关。值为3时,也就是说,相同的主要元素可以还原为两种转换。在4矩阵中,有以下对称:6.3.3解逆紧变换法与回归分析的关系通过上述分析,逐步回归分析需要解决的正则方程如下:逐步回归分析中求解逆紧致变换方法的增广矩阵如下:在逐步回归分析中,求解逆压缩变换方法非常有用,因为每次在逐步回归分析中引入或删除变量时,都要对r解释一次逆压缩变换方法,然后求出该方法以进行恒定变换。6.4逐步回归分析的步骤根据逐步回归分析的原理和方法,介绍了具体步骤。以表63()中的地理数据为例。地理数据4-5台风编号7503 14.51 27.0 8.8 2.0-0.5 8.0 248.0 9006509 7 . 57 27 . 7 10 . 8 7 . 0 0 . 8 5 . 0 81 . 0 3546003 1.94 28.3 13.6 13.0-0.2 1.7

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论