發(fā)布時(shí)間：2017-08-22 18:29

  本文關(guān)鍵詞：偏t正態(tài)數(shù)據(jù)下基于最小一乘的回歸估計(jì)和變量選擇

  更多相關(guān)文章： 偏t正態(tài)數(shù)據(jù) 最小一乘估計(jì) 回歸插補(bǔ) 線性回歸模型 LAD-lasso

【摘要】：在現(xiàn)實(shí)生活中,我們收集到的實(shí)際數(shù)據(jù),特別是某些數(shù)量經(jīng)濟(jì)和生物醫(yī)學(xué)數(shù)據(jù),非常頻繁的存在異常值,而且這些數(shù)據(jù)經(jīng)常不服從正態(tài)分布,而是服從具有一定偏度和尾部占更大比重的分布,這樣一些數(shù)據(jù)的分布一般用偏t正態(tài)分布來(lái)刻畫(huà)。于是,對(duì)偏t正態(tài)數(shù)據(jù)的統(tǒng)計(jì)分析具有重要的理論和實(shí)際意義。此外,在實(shí)際數(shù)據(jù)的收集過(guò)程中,很多抽樣調(diào)查數(shù)據(jù)和實(shí)驗(yàn)數(shù)據(jù)都會(huì)受到無(wú)回答的干擾或是因?yàn)槟撤N原因而丟失。因此,對(duì)缺失偏t正態(tài)數(shù)據(jù)的研究也是十分必要的。另一方面,對(duì)于呈現(xiàn)重尾分布或帶有異常值的數(shù)據(jù)集,普通最小二乘或極大似然方法因其對(duì)異常值的敏感性估計(jì)效果可能不會(huì)理想,而最小一乘方法對(duì)異常值具有良好的耐抗性,并且統(tǒng)計(jì)分析結(jié)果不依賴于誤差項(xiàng)的分布,穩(wěn)健性比最小二乘和極大似然方法的穩(wěn)健性好�；诖�,論文的主要工作和獲得的結(jié)果如下:第一:針對(duì)來(lái)自線性回歸模型的有缺失的偏t正態(tài)數(shù)據(jù),為減少數(shù)據(jù)中異常值對(duì)參數(shù)估計(jì)的影響,提高回歸參數(shù)估計(jì)的穩(wěn)健性及準(zhǔn)確性,論文選取了回歸插補(bǔ)方法處理缺失數(shù)據(jù),并運(yùn)用最小一乘方法估計(jì)回歸參數(shù),通過(guò)隨機(jī)模擬方式,將論文給出的參數(shù)估計(jì)方法與極大似然估計(jì)方法對(duì)比,發(fā)現(xiàn)本文的方法是有效可行的。第二:在變量選擇方面,為了進(jìn)一步驗(yàn)證LAD方法的穩(wěn)健性,對(duì)服從偏t正態(tài)分布的上證醫(yī)藥衛(wèi)生指數(shù),我們利用Wang等提出的LAD-lasso方法對(duì)其成分股進(jìn)行了變量選擇的實(shí)證分析研究,并與基于OLS的lasso方法進(jìn)行對(duì)比,發(fā)現(xiàn)LAD-lasso方法在偏t正態(tài)分布下變量選擇效果是理想的。
【關(guān)鍵詞】：偏t正態(tài)數(shù)據(jù) 最小一乘估計(jì) 回歸插補(bǔ) 線性回歸模型 LAD-lasso
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：O212.1;F224;F832.51
【目錄】：

• 中文摘要3-4
• 英文摘要4-7
• 1 緒論7-10
• 1.1 研究問(wèn)題的意義及現(xiàn)狀7-9
• 1.1.1 研究意義7
• 1.1.2 研究現(xiàn)狀7-9
• 1.2 研究思路與研究?jī)?nèi)容9-10
• 2 預(yù)備知識(shí)10-15
• 2.1 最小一乘估計(jì)10-12
• 2.1.1 最小一乘回歸模型10
• 2.1.2 最小一乘法的性質(zhì)10
• 2.1.3 最小一乘估計(jì)的計(jì)算10-12
• 2.2 LAD-lasso方法12-15
• 2.2.1 LAD-lasso方法的提出12-13
• 2.2.2 LAD-lasso的理論性質(zhì)13
• 2.2.3 調(diào)整參數(shù)的估計(jì)13-15
• 3 缺失偏t正態(tài)數(shù)據(jù)下基于最小一乘的線性回歸系數(shù)估計(jì)15-26
• 3.1 偏t正態(tài)數(shù)據(jù)下線性回歸模型15-16
• 3.2 缺失數(shù)據(jù)及處理16-20
• 3.2.1 缺失數(shù)據(jù)的產(chǎn)生機(jī)制16
• 3.2.2 缺失數(shù)據(jù)的處理方法16-20
• 3.3 缺失偏t正態(tài)數(shù)據(jù)的線性回歸系數(shù)估計(jì)20-21
• 3.3.1 最小一乘估計(jì)20
• 3.3.2 極大似然估計(jì)20-21
• 3.4 Monte Carlo模擬21-24
• 3.4.1 完全數(shù)據(jù)下的回歸系數(shù)估計(jì)模擬研究21-23
• 3.4.2 缺失數(shù)據(jù)下的回歸系數(shù)估計(jì)模擬研究23-24
• 3.5 實(shí)例分析24-26
• 4 偏t正態(tài)數(shù)據(jù)下基于LAD-lasso方法的變量選擇實(shí)證分析26-31
• 4.1 數(shù)據(jù)的選取26-27
• 4.2 LAD-lasso變量選擇結(jié)果分析27-31
• 5 結(jié)論與展望31-32
• 5.1 總結(jié)31
• 5.2 展望31-32
• 致謝32-33
• 參考文獻(xiàn)33-36
• 附錄36
• 攻讀碩士期間發(fā)表的相關(guān)論文36

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 楊麗霞;魏立力;;基于粗糙集方法的有序尺度變量選擇[J];寧夏大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

2 趙宇;黃思明;;帶有變量選擇過(guò)程的分類模型誤差分析[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2010年17期

3 樊亞莉;徐群芳;;穩(wěn)健的變量選擇方法及其應(yīng)用[J];上海理工大學(xué)學(xué)報(bào);2013年03期

4 陶靖軒;多元分析中的變量選擇問(wèn)題研究[J];中國(guó)計(jì)量學(xué)院學(xué)報(bào);2001年01期

5 李樹(shù)軍,紀(jì)宏金;對(duì)應(yīng)聚類分析與變量選擇[J];地球物理學(xué)進(jìn)展;2005年03期

6 陳黎明;趙永紅;;轉(zhuǎn)換函數(shù)未知時(shí)轉(zhuǎn)換模型的變量選擇[J];四川大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

7 劉民千,張潤(rùn)楚;超飽和設(shè)計(jì)的變量選擇[J];南開(kāi)大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年03期

8 王進(jìn);;聚類分析中的距離與變量選擇[J];山西財(cái)經(jīng)大學(xué)學(xué)報(bào);2007年S1期

9 張波;方國(guó)斌;;高維面板數(shù)據(jù)降維與變量選擇方法研究[J];統(tǒng)計(jì)與信息論壇;2012年06期

10 高仁祥,張世英,劉豹;基于神經(jīng)網(wǎng)絡(luò)的變量選擇方法[J];系統(tǒng)工程學(xué)報(bào);1998年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前6條

1 張俊華;方偉武;;調(diào)查表分析中變量選擇的一些方法(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第六屆學(xué)術(shù)交流會(huì)論文集（下卷）[C];2000年

2 李洪東;梁逸曾;;高維數(shù)據(jù)變量選擇新方法研究[A];中國(guó)化學(xué)會(huì)第27屆學(xué)術(shù)年會(huì)第15分會(huì)場(chǎng)摘要集[C];2010年

3 李慷;席裕庚;;復(fù)雜過(guò)程系統(tǒng)中操作變量選擇與定位的方法研究[A];1993年控制理論及其應(yīng)用年會(huì)論文集[C];1993年

4 云永歡;王為婷;梁逸曾;;迭代的保留有信息變量來(lái)篩選最佳變量子集的一種多元校正變量選擇方法[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

5 徐登;范偉;梁逸曾;;紫外光譜結(jié)合變量選擇和偏最小二乘回歸同時(shí)測(cè)定水中重金屬鎘、鋅、鈷[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

6 梁逸曾;李洪東;許青松;曹東升;張志敏;;灰色化學(xué)建模與模型集群分析——兼論過(guò)擬合、穩(wěn)健估計(jì)、變量選擇與模型評(píng)價(jià)[A];中國(guó)化學(xué)會(huì)第27屆學(xué)術(shù)年會(huì)第15分會(huì)場(chǎng)摘要集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 呂晶;幾類半?yún)?shù)回歸模型的穩(wěn)健估計(jì)與變量選擇[D];重慶大學(xué);2015年

2 王康寧;幾類高維復(fù)雜數(shù)據(jù)半?yún)?shù)模型的結(jié)構(gòu)識(shí)別、變量選擇及穩(wěn)健估計(jì)[D];山東大學(xué);2016年

3 王大榮;分散度量模型中的變量選擇[D];北京工業(yè)大學(xué);2009年

4 王明秋;高維數(shù)據(jù)下若干回歸模型的變量選擇問(wèn)題研究[D];大連理工大學(xué);2012年

5 劉吉彩;生存數(shù)據(jù)統(tǒng)計(jì)模型的變量選擇方法[D];華東師范大學(xué);2014年

6 樊亞莉;穩(wěn)健變量選擇方法的若干問(wèn)題研究[D];復(fù)旦大學(xué);2013年

7 唐凱臨;變量選擇和變換的新方法研究[D];同濟(jì)大學(xué);2008年

8 董瑩;高維共線性統(tǒng)計(jì)模型的參數(shù)估計(jì)與變量選擇[D];大連理工大學(xué);2014年

9 葉飛;相對(duì)誤差準(zhǔn)則下的估計(jì)理論和變量選擇方法的研究[D];清華大學(xué);2013年

10 袁晶;貝葉斯方法在變量選擇問(wèn)題中的應(yīng)用[D];山東大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 潘玉婷;含多元非線性結(jié)構(gòu)的高維Logistic模型的同時(shí)變量選擇及半?yún)?shù)估計(jì)[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

2 劉丹;Cox模型及變系數(shù)Cox模型中的變量選擇問(wèn)題研究[D];暨南大學(xué);2016年

3 羅昊;基于自適應(yīng)LASSO變量選擇的Logistic信用評(píng)分模型研究[D];東南大學(xué);2016年

4 王雙寶;基于變量選擇偏差的變量選擇過(guò)程[D];電子科技大學(xué);2016年

5 溫征;縱向和生存數(shù)據(jù)聯(lián)合模型的一個(gè)變量選擇問(wèn)題[D];云南師范大學(xué);2016年

6 閆湛;混料試驗(yàn)設(shè)計(jì)變量選擇的Cp方法研究[D];廣州大學(xué);2016年

7 黃亞慧;偏t正態(tài)數(shù)據(jù)下基于最小一乘的回歸估計(jì)和變量選擇[D];重慶大學(xué);2016年

8 閆闖;多元回歸模型中變量選擇問(wèn)題研究[D];黑龍江大學(xué);2011年

9 康贊亮;計(jì)量經(jīng)濟(jì)學(xué)模型變量選擇與設(shè)定的理論方法研究[D];清華大學(xué);2009年

10 張丹;乘積模型的變量選擇[D];河南大學(xué);2014年

，

本文編號(hào)：720726