中文题名: | 向前逐阶回归的路径单调性和比较研究 |
姓名: | |
学生类型: | 学士 |
学位名称: | 理学学士 |
学校: | 中国人民大学 |
院系: | |
专业: | |
第一导师姓名: | |
完成日期: | 2013 |
中文关键词: | |
中文摘要: |
线性模型是应用最广泛的一族统计模型,而线性回归模型是线性模型的基石
和代表。在经典统计学中,利用最小二乘法对回归方程进行系数估计的理论和
应用已很成熟,应用广泛,影响深远。然而,随着数据高维化的发展趋势,变
量选择的重要性迅速凸显,成为现代统计学中最重要的研究方向之一。对于线
性回归模型而言,经典的普通最小二乘估计由于不能自动选择变量,在分析高
维数据时几乎一筹莫展。
针对这些问题,统计学家们在最基础的线性回归模型上进行优
化,设计出一系列能自动进行变量选择的统计方法。向前逐阶回归
(𝐹𝑜𝑟𝑤𝑎𝑟𝑑 𝑆𝑡𝑎𝑔𝑒𝑤𝑖𝑠𝑒 𝑅𝑒𝑔𝑟𝑒𝑠𝑠𝑖𝑜𝑛) 即是其中较有代表性的一种。在极限条
件下,向前逐阶回归相当于系数轨迹单调的𝐿𝑎𝑠𝑠𝑜,这揭示了二者的内在联系,
本文也将说明这一重要性质。本文以比较研究的形式介绍向前逐阶回归,首先
分别简要介绍向前逐步回归、𝐿𝑎𝑠𝑠𝑜 和偏最小二乘回归的原理和方法,然后介绍
向前逐段回归的系数轨迹单调性,最后通过一组模拟数据比较各个方法。
﹀
|
开放日期: | 2016-03-21 |