检索结果-内蒙古大学图书馆

中国现场统计研究会2003年学术年会

作者：李大鹏王惠文北京航空航天大学经济管理学院(北京)

偏最小二乘logistic回归模型是一种新型的多元分析方法,它在自变量之间存在强多重其线性、或者当样本量偏小以及样本中有缺失值的情况下,可以较好地解决普通logistic回归模型的计算结果不稳定的问题.本文利用偏最小二乘logistic回归算法... 详细信息

偏最小二乘logistic回归模型是一种新型的多元分析方法,它在自变量之间存在强多重其线性、或者当样本量偏小以及样本中有缺失值的情况下,可以较好地解决普通logistic回归模型的计算结果不稳定的问题.本文利用偏最小二乘logistic回归算法,根据鄱阳湖地区1953~1998年观测的水文数据,分析各月连续最大五天降水量和长江各月最大流量对鄱阳湖洪涝灾害的影响,建立了预测洪涝灾害程度的发生概率的判别模型.研究结果表明,偏最小二乘logistic回归模型在相关领域的研究中具有很好的适用性.

关键词：偏最小二乘logistic回归洪涝灾害发生概率预测建模灾害预测

来源：评论

学校读者我要写书评

暂无评论

基于广义线性模型、广义线性混合模型、偏最小二乘-logistic回归对我国当前收入分配满意度情况的分析

基于广义线性模型、广义线性混合模型、偏最小二乘-logistic回归...

引用

作者：李鑫四川师范大学

学位级别：硕士

广义线性模型是线性模型的推广,将随机误差项推广到了指数分布族,这样在处理数据时就更具有了灵活性、更具有广泛性。然而在实际问题中,一些变量的加入会导致随机变量不在独立,这就有悖于广义线性模型的基本假设。所以,这也就导致了再... 详细信息

广义线性模型是线性模型的推广,将随机误差项推广到了指数分布族,这样在处理数据时就更具有了灵活性、更具有广泛性。然而在实际问题中,一些变量的加入会导致随机变量不在独立,这就有悖于广义线性模型的基本假设。所以,这也就导致了再用广义线性模型处理具体问题的时候可能会忽略掉一些重要的变量,从而导致我们在处理实际问题中产生偏差,影响分析的结果。因此有学者将随机效应加入了广义线性模型从而建立了广义线性混合模型,这一举措大大的拓展了传统的分析领域。传统的分析政策满意度的方法中往往都是一些定性的分析,本文基于对传统分析方法的研究,结合前人的研究,通过广义线性模型和广义线性混合模型定量的分析了国民对当前政策的满意度。本文的数据来自于中国人民大学的“社会心态与政策评价关联”课题研究,此课题在全国范围内进行了问卷调查。将GLM、GLMM、PLS-logistic模型引入政策满意度评价领域,为满意度评价问题的研究提供了新的路径。本文主要内容如下:1.在详细的阐述了问卷的设计内容以及各选项的赋值情况下,通过对问卷数据的研究发现,这是一个典型的纵向数据,并且以往研究满意度评价的文献中有学者采用过普通logistic回归,这与广义线性模型具有很高的相似性。再加之广义线性模型的连接函数更多元化,不仅仅是把因变量划分为二元离散变量,因此考虑采用广义线性模型来分析满意度评价的问题。在基于GLM的分析中,选取了问卷中的部分具有代表性的变量如下:对我国当前收入分配满意度作为因变量,民族、户口、受教育程度、工作大单位作为自变量。并对自变量进行哑变量处理,把被调查者划分为60类人群,应用R软件,定量分析了这60类人们对政策的满意度情况,进行了分类排序,并分析了单个自变量对满意度的影响情况。从整体看来,国民对我国当前收入分配的满意度情况较为良好,但是还是表达出了国民希望国家在收入分配政策中进一步完善激励约束机制。并且分析发现受教育程度的高低,和满意度高低成正比,因此国家应出台相应政策提高国民的普遍的受教育程度。2.将家庭年收入作为随机效应构建满意度评价是合理的。从上一节分析发现,通过固定民族、户口、受教育程度这3项对应的自变量,研究不同工作单位人群的满意度,计算对比发现,在企业单位工作的人群以及离退休人员的满意度较高。联想到不同工作单位收入的高低不同,因此决定将家庭年收入作为一个随机效应加入到模型中。本节的自变量数据处理方式与上面的略不同(见表3.4),迭代100次后参数收敛,发现参数整体的拟合效果得到很大提高;对单个效应因子来说,作为固定效应的民族因子、户口因子、受教育程度因子和工作单位因子的参数估计都是比较显著的。特别是受教育程度的参数的显著性有了很大的改善。也说明了GLMM对于满意度评价问题的适用性。3.偏最小二乘回归在现实生产的用的比较广泛,大都用于水质测量、医学、生物、地质等科学领域。PLS-logistic模型是将普通logistic模型、主成分提取方法和典型相关性分析结合起来的一种新的分析模型,巧妙地把偏最小二乘回归和logistic回归的优点结合了起来。PLS-logistic模型能消除观测数据间的多重共线性问题,在提取成分时同时考虑了自变量与因变量的相关性。受前人的启发,本文首次将PLS-logistic模型用于满意度的分析实证中。本文表3.7对变量的选取做了详细的说明,利用统计软件matlab进行模型构建,依次迭代可以发现提取3个偏最小二乘成分时模型最达到优,最后,为了进一步分析自变量对满意度的解释作用,计算了重要性指标VIP来测度,分析并给出了政策建议。

关键词：广义线性模型广义线性混合模型偏最小二乘logistic回归满意度评价

来源：评论

学校读者我要写书评

暂无评论

偏最小二乘回归法非线性建模及其递推算法的研究

偏最小二乘回归法非线性建模及其递推算法的研究

引用

作者：孙凤林华南理工大学

学位级别：硕士

偏最小二乘回归算法通过在数据矩阵中提取正交成分建立回归模型,有效解决了变量间多重相关、样本量明显少于变量、缺失数据等难题,而这些问题会导致经典最小二乘回归算法失效,经过几十年的发展,偏最小二乘广泛应用于化学、化工、经济、... 详细信息

偏最小二乘回归算法通过在数据矩阵中提取正交成分建立回归模型,有效解决了变量间多重相关、样本量明显少于变量、缺失数据等难题,而这些问题会导致经典最小二乘回归算法失效,经过几十年的发展,偏最小二乘广泛应用于化学、化工、经济、环境、食品等领域。本文主要研究内容和研究成果包括两个部分:第一部分是研究近期偏最小二乘非线性建模算法。文中重点介绍了INLR(Implicit nonlinear latents variable regression)非线性建模算法,这种方法易实施且预测能力较强,尤其对存在多项式关系的系统有较好的拟合能力,但是INLR非线性建模算法是在数据矩阵中扩充非线性项(不包括原始变量的交叉项),这样系统中隐含成分的非线性项和交叉项,然后对扩充后的矩阵进行建模。可是,INLR非线性建模算法在扩充非线性项的同时可能也包含了与因变量无关的信息,这样算法会通过提取较多的成分来建模,而成分越多,模型的解释能力就越差。为了解决上述问题,本文通过正交投影算法-OPLS(Orthogonal projections to latent structure)对INLR非线性建模算法进行修正,改进后的算法称为OPLS-INLR,并通过模拟实验验证改进后的OPLS-INLR算法在保持预测能力不变的条件下,大大减少成分个数,提高模型的解释能力。第二部分是研究偏最小二乘递推算法,经典的递推算法研究的是因变量是连续变量的情况,本文重点研究因变量是分类变量的递推算法,提出基于KL-PLS(kernel logistic partial least square)的非线性递推算法,通过对判别红酒质量实例数据进行分析,分析结果表明KL-PLS非线性递推算法优于普通logistic递推算法、偏最小二乘logistic递推算法及KL-PLS算法。

关键词： INLR非线性算法 OPLS-INLR算法偏最小二乘logistic回归 KL-PLS非线性递推算法

来源：评论

学校读者我要写书评

暂无评论

基于偏最小二乘方法的信用评分模型

引用

统计与决策 2012年第10期28卷 4-6页

作者：魏秋萍张景肖中国人民大学应用统计研究中心统计学院北京100872

为了克服信用评分模型中自变量存在多重共线性的问题,文章引入了偏最小二乘思想,即采用限制预测值的偏最小二乘回归和偏最小二乘logistic回归来创建信用评分模型。偏最小二乘法可以同时解释因变量和自变量的变异,在实际运用中更加符合... 详细信息

为了克服信用评分模型中自变量存在多重共线性的问题,文章引入了偏最小二乘思想,即采用限制预测值的偏最小二乘回归和偏最小二乘logistic回归来创建信用评分模型。偏最小二乘法可以同时解释因变量和自变量的变异,在实际运用中更加符合信用评分模型的特点。实证研究的结果表明,利用这两种偏最小二乘模型创建的信用评分模型具有很好的准确性和稳定性。

关键词：信用评分模型限制预测值的偏最小二乘回归偏最小二乘logistic回归

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：