空間變系數(shù)回歸模型因其在空間數(shù)據(jù)分析中包含多種優(yōu)秀的性能而受到廣泛關(guān)注,其主要特點(diǎn)是可以解決模型中存在的空間非平穩(wěn)性問題。分位數(shù)回歸方法,雖對(duì)非正態(tài)分布數(shù)據(jù)或響應(yīng)變量中存在異常值時(shí)具有穩(wěn)健性,但不能處理協(xié)變量存在異常值的情形。此外,在高維數(shù)據(jù)分析中常常存在較多的干擾/無關(guān)變量,如何準(zhǔn)確找出這些無關(guān)或者相關(guān)性很低的變量來提高模型的可解釋性顯得十分有必要。即使有些變量和響應(yīng)變量是相關(guān)的,但是這種相關(guān)性很可能并不隨著時(shí)間或空間位置的變化而變化,如何識(shí)別出這些常系數(shù)變量以便提高模型的簡(jiǎn)潔性同樣顯得很有意義。為此,本文結(jié)合加權(quán)分位數(shù)回歸方法和雙懲罰壓縮估計(jì)的思想,考慮了空間變系數(shù)回歸模型的穩(wěn)健模型識(shí)別問題。新方法能有效地處理非正態(tài)誤差分布以及模型中自變量或者因變量存在異常值的問題。最終,通過若干蒙特卡洛模擬和一個(gè)實(shí)例分析驗(yàn)證新方法的穩(wěn)健性和有效性。 

【文章來源】：湖南師范大學(xué)湖南省 211工程院校

【文章頁數(shù)】：49 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

變系數(shù)圖

【參考文獻(xiàn)】：
期刊論文
[1]穩(wěn)健矩陣回歸模型和方法研究[J]. 陳丙振,孔令臣,尚盼.  計(jì)算數(shù)學(xué). 2018(04)
[2]基于Group Lasso的Logistic回歸模型構(gòu)建絕經(jīng)后骨質(zhì)疏松性骨折初發(fā)風(fēng)險(xiǎn)評(píng)估工具[J]. 章軼立,魏戌,聶佩蕓,申浩,虞鯤,康樹,謝雁鳴.  中國(guó)骨質(zhì)疏松雜志. 2018(08)
[3]帶有缺失數(shù)據(jù)的分位數(shù)回歸模型的參數(shù)估計(jì)[J]. 丁先文,陳建東,朱小芹.  統(tǒng)計(jì)與決策. 2018(06)
[4]廣義自回歸模型參數(shù)的收縮估計(jì)[J]. 熊健,李元.  數(shù)理統(tǒng)計(jì)與管理. 2008(04)

博士論文
[1]地理時(shí)空神經(jīng)網(wǎng)絡(luò)加權(quán)回歸理論與方法研究[D]. 吳森森.浙江大學(xué) 2018
[2]高維模型的變量選擇與稀疏正則化[D]. 王延新.武漢大學(xué) 2013

碩士論文
[1]刪失指示量缺失情形下變系數(shù)部分線性模型的統(tǒng)計(jì)推斷[D]. 寧黎明.武漢科技大學(xué) 2019
[2]線性Bayes混合地理加權(quán)回歸模型參數(shù)估計(jì)及其應(yīng)用[D]. 趙靜.新疆財(cái)經(jīng)大學(xué) 2018
[3]變系數(shù)模型的復(fù)合分位數(shù)回歸及變量選擇[D]. 葉盧靈.浙江工商大學(xué) 2018
[4]基于分位數(shù)回歸的自適應(yīng)組Lasso變量選擇[D]. 牟建波.西南交通大學(xué) 2017
[5]時(shí)空地理加權(quán)回歸模型的統(tǒng)計(jì)診斷[D]. 劉美玲.西安建筑科技大學(xué) 2013
[6]分位數(shù)回歸在時(shí)間序列中的應(yīng)用[D]. 彭良玉.天津大學(xué) 2010
[7]混合地理加權(quán)回歸模型的統(tǒng)計(jì)推斷[D]. 齊飛.中央民族大學(xué) 2010



本文編號(hào)：3133768