2偏最小二乘回归partial least squares - researchgate.docVIP

下载本文档

3
0
约8.57千字
约 11页
2017-08-15 发布于天津
举报
版权申诉

2偏最小二乘回归partial least squares - researchgate.doc

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

三种回归方法在消除多重共线性及其预测结果的比较肖雪梦张应应重庆大学数学与统计学院统计与精算学系重庆总来看的误差要小些关键词多重共线性逐步回归主成分回归偏最小二乘回归中图分类号文献标识码引言在进行多元回归分析时常常会遇到多重共线性的问题所谓多重共线性是指线性回归模型中的自变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确当自变量之间存在着严重的多重共线性时用最小二乘法得到的回归模型的预测精度就会大大降低一方面回归系数的估计值对样本数据的微小变化将变得非常敏感使得稳定性变得很差

三种回归方法在消除多重共线性及其预测结果的比较肖雪梦，张应应 (重庆大学数学与统计学院统计与精算学系，重庆401331) 总来看，的误差要小些。关键词：多重共线性逐步回归主成分回归偏最小二乘回归中图分类号：O212.4文献标识码：A 0 引言在进行多元回归分析时，常常会遇到多重共线性的问题[1]。所谓多重共线性是指线性回归模型中的自变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。当自变量之间存在着严重的多重共线性时，用最小二乘法得到的回归模型的预测精度就会大大降低[2]。一方面，回归系数的估计值对样本数据的微小变化将变得非常敏感，使得稳定性变得很差；另