本文選題：線性回歸模型 + 多重共線性��； 參考：《渤海大學》2017年碩士論文

【摘要】：在多元線性回歸模型的實際應(yīng)用中,解釋變量之間幾乎不存在完全不相關(guān)的現(xiàn)象。尤其是在研究某經(jīng)濟問題時,往往涉及多個變量,各個變量之間普遍存在著多重共線性的現(xiàn)象,因而會給模型造成一定的影響。其不僅會影響參數(shù)的估計,還會使模型的誤差擴大,導(dǎo)致模型的穩(wěn)定性遭到破壞。因此,本文主要針對這一問題進行了討論與研究�，F(xiàn)如今,隨著科學的進步與發(fā)展,人們已經(jīng)探究出很多理論與功能各不相同的方法來解決多重共線性問題,通過它們的優(yōu)劣,為人們選擇具體適當?shù)哪Ｐ吞峁┝擞辛Φ囊罁?jù)。本文主要介紹了兩種方法:嶺回歸方法和主成分回歸方法,理論與實際相結(jié)合,對這兩種方法做出了詮釋。首先,從理論上分析了兩種方法的基本理念;其次,通過例子具體來說明兩種模型的不同作用和特點。除此之外,本文還介紹了嶺回歸分析中廣義嶺估計的一種改進方法。通過計算,比較均方誤差與均方殘差的數(shù)值大小,對模型的優(yōu)劣加以區(qū)分,以便人們選擇更好的適當?shù)哪Ｐ蛠斫鉀Q問題。
[Abstract]:In the practical application of multivariate linear regression model, there is almost no complete disconnection between explanatory variables. Especially in the study of a certain economic problem, many variables are often involved, and there is a phenomenon of multiple collinearity between the variables, which will have a certain impact on the model. It will not only affect the estimation of parameters, but also enlarge the error of the model, and destroy the stability of the model. Therefore, this paper mainly discusses and studies this problem. Nowadays, with the progress and development of science, people have explored a lot of different theories and functions to solve multiple collinear problems. Through their merits and demerits, they provide a powerful basis for people to choose specific and appropriate models. This paper mainly introduces two methods: Ridge regression method and principal component regression method. Firstly, the basic concepts of the two methods are analyzed theoretically. Secondly, the different roles and characteristics of the two models are illustrated by examples. In addition, this paper introduces an improved method of generalized ridge estimation in ridge regression analysis. Through calculation, the numerical value of mean square error and mean square residual is compared, and the advantages and disadvantages of the model are distinguished, so that people can choose a better model to solve the problem.
【學位授予單位】：渤海大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：O212.1

【參考文獻】

相關(guān)期刊論文 前10條

1 朱尚偉;李景華;;嶺回歸參數(shù)的兩個預(yù)期約束[J];統(tǒng)計與決策;2015年22期

2 張曉婷;;多重共線性危害及其補救措施[J];智富時代;2015年07期

3 楊梅;肖靜;蔡輝;;多元分析中的多重共線性及其處理方法[J];中國衛(wèi)生統(tǒng)計;2012年04期

4 張磊;顧勇為;歸慶明;馬朝忠;;基于復(fù)共線性診斷和度量的有偏估計[J];大地測量與地球動力學;2007年02期

5 馬朝忠;張磊;歸慶明;杜院錄;韓松輝;;Gauss-Markov模型的嶺型GM估計[J];測繪科學技術(shù)學報;2007年01期

6 葉仁玉;曾建軍;;廣義嶺估計優(yōu)于最小二乘估計的兩個充分條件[J];大學數(shù)學;2006年06期

7 唐燕武;線性回歸模型參數(shù)估計的幾種方法[J];安慶師范學院學報(自然科學版);2004年04期

8 孫道德;基于參數(shù)估計線性回歸模型選擇的研究[J];工科數(shù)學;2001年05期

9 周松青;解決多重共線性問題的線性回歸方法[J];山西統(tǒng)計;2001年01期

10 戴儉華,王石青;嶺估計優(yōu)于最小二乘估計的條件[J];數(shù)理統(tǒng)計與應(yīng)用概率;1994年02期

，

本文編號：2078541