基于波动相关性及主分量变换的多元线性回归模型研究.pdfVIP

理 。 l撩 基于波动相关性及主分量变换的 多元线性回归模型研究 王素立，刘 永 (郑州航空工业管理学院 信息科学学院，郑州450015) 摘 要：文章针对多元线性回归模型提出了一种建立在主分量变换基础上的方法。该方法通过因变量与 各个变量间对应的波动量建立相关性矩阵，以此来获得多元相关性分布状态；通过主分量变换获得具有最大相 关性的主分量；最后按照主分量矩阵与各相关矩阵的距离及最小二乘估计确定回归系数。该算法建立在波动 相关性分析基础上，反映了系统内相关要素之间的统计确定性，且建立在相关性统计上的主分量变换能够消除 共线性问题对回归系数的影响，增加了最小二乘估计方法的可靠性。 关键词：多元回归 ；波动相关性 ；相关性矩阵 ；主分量变换 中图分类号：0212 文献标识码：A 文章编号：1002—6487(2012)22—0018—03 假设Y是受n个变量作用的因变量，m个影响变量为： 0 引言 Xo，x……x，并假定所有影响因素对Y的影响均为促进作 用且为可控制变量 ，因此本文不讨论显著性检验问题。函 最小二乘估计，既最小均方差在线性回归分析中得到 数关系为： 了广泛的应用。但最小均方误差法的一个 问题是它对于 y= o+#ixi+#zxz+…邯 +e (1) 离群值非常敏感n，此外，各影响变量之间存在的相关性形 式(1)中因变量为随机变量 ，而影响变量均为可控变 成了多重共线性问题，该问题会致使回归方程参数不准确 量 ，随机误差 s服从正态分布且有：E(￡)=0。 甚至模型不可用，重要的解释变量被舍弃等问题 。虽然 为便于计算与处理，我们按照一个固定的时间间隔， 采用适当的方法能够在一定程度上解决问题，但这些方法 获取n个因变量的样本值及对应的每个影响变量的n个样 针对性强，且计算量或实验量大，如全集法 ，实验设计及 本值 。为了增加计算的可靠性，应该保证样本容量足够的 增加样本容量、有偏估计等 及相关的显著性检验等方 大 ，且时间间隔应该结合实际的背景 ，在指标考核上具有 法。在实际应用中也常采用主成份分析或因子分析方法 相对完整的周期意义。本文中假设有相当数量的响应变 来解决多重共线性问题，即用若干个主成份变量或相互独 量。所得到的样本值序列及关系如表1所示。表 1中第1 立的因子变量反映原有变量的绝大多数信息 ，但是这种 列为变量标识 ，其中 表示第 y的第i次测量结果也是一 基于选取模式的方法也存在一定的问题，一是当原有变量 个随机变量， ，y2… 构成随机向量，第一行为其测量值； 间存在多重相关时，会夸大有些变量的作用；二是选取的 而第2到第n个值为影响变量的测量值。其中为响应变 过程也可能遗漏一些关键变量的贡献。 量值序列的的第 个测量值，粕为第i个影响变量的第 个 基于上述问题，本文拟采用一种基于特征提取模式的 测量值。 ，… 作为随机向量等方差且8，8：…．8之间 变换方法，将统计模型建立在对变化相关性特征分析基础 独立 同分布，均为标准正态分布。即有 ： 之上，使提取的特征更能够反映变化的相关性规律 。此 yf= o~fllXil+ 2zf2+…邯 +￡ 外 ，通过正交变换 ，找出相关性分布最大的影响方向，然后 表 1 样本数据 通过相对距离来确定各变量的贡献率，由于基于相关性统 Y Yl Y2