收藏本站
收藏 | 论文排版

多元线性回归中多重共线性问题的解决办法探讨

张凤莲  
【摘要】: 无论是在经济、工商管理、社会科学,还是在工程技术、医学、生物科学中,回归分析都是一种普遍应用的统计分析与预测技术。 在回归分析中,当自变量之间出现多重共线性现象时,常会严重影响到参数估计,扩大模型误差,并破坏模型的稳健性,因此消除多重共线性成为回归分析中参数估计的一个重要环节。现在常用的解决多元线性回归中多重共线性的回归模型有岭回归(Ridge Regression)、主成分回归(Principal Component Regression简记为PCR)和偏最小二乘回归(Partial Least Square Regression简记为PLS)。 本文在已有文献的基础上,对偏最小二乘回归的基本理论、性质进行了整理、扩充;对偏最小二乘回归、普通最小二乘回归(Ordinary Least Square Regression)、岭回归及主成分回归方法进行了系统的比较;在岭回归中采用了一种基于均方误差无偏估计达到最小原则下选择岭参数的方法;在主成分回归中采用主成分的加权残差平方和来替代仅用残差平方和来筛选特征值的方法;对偏最小二乘回归理论做了进一步探讨:从理论与实例两方面分析了哪类数据不适合直接使用偏最小二乘回归处理的原因,提出一种改进方法,并给予实例验证;针对偏最小二乘回归模型中仍包含所有原始自变量的情况,结合通路分析方法,探讨了筛选偏最小二乘回归模型中原始自变量的问题,并应用该方法建立预测某地区火灾发生频数的模型。结果表明,该方法不仅能简化模型、提高模型的预测精度,而且还能选出对火灾频数影响较大的因素,具有实用价值。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 谢小韦;;浅析多元线性回归中多重共线性问题的三种解决方法[J];科技信息;2009年28期
2 周鑫;;多重共线性的有偏回归方法的实例比较[J];科技视界;2014年21期
3 满敬銮;杨薇;;基于多重共线性的处理方法[J];数学理论与应用;2010年02期
4 秦浩;林志娟;陈景武;;偏最小二乘回归原理、分析步骤及程序[J];数理医药学杂志;2007年04期
5 杨楠;岭回归分析在解决多重共线性问题中的独特作用[J];统计与决策;2004年03期
6 魏红燕;;回归分析中多重共线性的诊断与处理[J];周口师范学院学报;2019年02期
7 开璇;张莉莉;;主成分回归和岭回归在新疆农业经济的应用[J];辽宁农业职业技术学院学报;2017年01期
8 何秀丽;王浩华;;岭回归中K值的探讨[J];甘肃联合大学学报(自然科学版);2008年06期
9 申艳,刘次华;偏最小二乘回归的应用效果分析[J];应用数学;2004年S1期
10 周松青;解决多重共线性问题的线性回归方法[J];山西统计;2001年01期
11 孙梅;也谈运用回归分析预测城市公共交通客运量[J];江苏理工大学学报(社会科学版);1998年01期
12 赵玉新;;多元线性回归中多重共线性的研究[J];产业与科技论坛;2019年03期
13 李育冬;吴昊;夏苏清;;基于乌鲁木齐物流产业分析多重共线性[J];东南大学学报(哲学社会科学版);2013年S2期
14 张丽;王悦钰;白雪莲;;主成分回归在径流预测中的应用[J];人民黄河;2012年05期
15 张亚利;刘星;;偏最小二乘回归在系统形变分析中的应用[J];测绘工程;2014年08期
16 尤游;刘苏兵;;岭回归和主成分回归下的芜湖市社会消费品零售总额实证研究[J];信阳农林学院学报;2020年03期
17 陈玲燕;;多重共线性下的线性回归方法综述[J];市场研究;2008年04期
中国重要会议论文全文数据库 前11条
1 陈曦;高雅萍;陈果;;基于卡尔曼滤波优化岭回归GM(2,1)模型的形变预测分析[A];第十二届中国卫星导航年会论文集——S01 卫星导航行业应用[C];2021年
2 吴尧;张广智;卢溜;;利用偏最小二乘回归方法进行储层厚度预测[A];2017中国地球科学联合学术年会论文集(三十二)——专题61:工程地球物理技术进展与应用、专题62:油藏地球物理[C];2017年
3 姚荣景;;基于主成分回归和BP神经网络的南京市城市建设用地规模预测研究[A];南京市国土资源信息中心30周年学术交流会论文集[C];2020年
4 张志;张开飞;崔迎涛;秦超彬;李赫;;基于近红外光谱技术快速无损检测大豆含水量[A];第二十届全国分子光谱学学术会议暨2018年光谱年会论文集[C];2018年
5 郭基联;冯惊雷;张恒喜;;偏最小二乘回归分析在飞机LCC建模中的应用[A];设备寿命周期费用[C];2002年
6 丁延宾;张大维;高星;;基于偏最小二乘回归的船舶建造钢材用量估算模型研究[A];寿命周期费用技术与协调发展[C];2010年
7 宫元彬;李思纯;杨德森;时胜国;;利用偏最小二乘回归的噪声源分离量化[A];中国声学学会第十届青年学术会议论文集[C];2013年
8 王新华;;我国服务业外商直接投资的决定因素——基于岭回归的实证研究[A];国际服务贸易评论(总第2辑)[C];2008年
9 陈式龙;;我国出口贸易偏最小二乘回归的实证分析[A];珠江三角洲经济发展与流通现代化研讨会论文集[C];2005年
10 俞慧强;戈早川;周彤;;主成分回归在分光光度法同时检测多种物质中的应用[A];面向21世纪的科技进步与社会经济发展(下册)[C];1999年
11 梁雨薇;倪萍;王哲;;中国粮食产量影响因素的岭回归分析[A];“决策论坛——基于公共管理学视角的决策研讨会”论文集(下)[C];2015年
中国硕士学位论文全文数据库 前20条
1 张凤莲;多元线性回归中多重共线性问题的解决办法探讨[D];华南理工大学;2010年
2 何秀丽;多元线性模型与岭回归分析[D];华中科技大学;2005年
3 刘红卫;线性回归模型中多重共线性问题的应对策略及其几点改进[D];西南交通大学;2006年
4 黄文珂;多元回归建模过程中共线性的诊断与解决方法[D];哈尔滨工业大学;2012年
5 曹杨;偏最小二乘相关算法及其应用[D];贵州民族大学;2017年
6 徐嘉;负债分析中的多重共线性问题研究[D];哈尔滨工业大学;2019年
7 程书生;关于GM(1,N)模型中多重共线性与自相关性问题的研究[D];武汉理工大学;2018年
8 高阳;对多重共线性检测指标的一些研究[D];兰州大学;2019年
9 张晓丽;偏最小二乘回归分析若干问题的研究[D];东北师范大学;2010年
10 李航飞;基于核岭回归的天体光谱参数自动测量研究[D];辽宁科技大学;2019年
11 苏坚坚;基于核岭回归的直流电机测速技术及实现[D];福州大学;2018年
12 竹泽石;基于随机配置网络的分布回归研究[D];浙江工商大学;2018年
13 戴迪帆;基于数据增广方法改进的岭回归估计[D];浙江工商大学;2018年
14 程娴;基于稳健主成分回归的润滑油产量预测模型[D];大连理工大学;2017年
15 郭媛媛;基于核主成分回归的多重共线性消除问题研究[D];河北联合大学;2014年
16 郭鹏妮;岭回归与分位数回归的研究及结合应用[D];哈尔滨工业大学;2014年
17 李亚娟;基于LASSO的函数型主成分回归模型及收益率预测研究[D];厦门大学;2019年
18 朱蓬勃;基于多元概率主成分回归模型的鲁棒软测量建模方法研究[D];哈尔滨工业大学;2019年
19 刘晓晓;山东省普通中学数量发展的分析研究[D];曲阜师范大学;2019年
20 李姜童;基于紫外-可见光谱分析的水质COD检测技术研究[D];云南师范大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978