导读:本文包含了似不相关回归论文开题报告文献综述及选题提纲参考文献，主要关键词:森林测计学,日本落叶松,似乎不相关回归方法,哑变量
似不相关回归论文文献综述
申家朋,陈东升,孙晓梅,张守攻[1]（2019）在《基于似乎不相关回归和哑变量的日本落叶松单木生物量模型构建》一文中研究指出精确地估算林木生物量对于了解大尺度森林生物量、碳储量及其动态变化具有重要意义。以甘肃省、湖北省、辽宁省3个区域共计161株日本落叶松Larix kaempferi单木各器官组分(树干、树皮、树叶、树枝、树根)生物量数据为例,基于似乎不相关回归和哑变量的方法,建立了适合不同区域、不同器官组分的日本落叶松单木通用性生物量方程。结果表明:与普通模型相比,构建的3个哑变量生物量通用模型不仅解决了不同器官组分的相容性,还提高了生物量估测精度,复相关系数增加了0.28%～0.44%,均方根误差减少了0.40%～6.61%,绝对偏差减少了1.63%～6.61%。单独引入1个哑变量时,区域哑变量构建的生物量通用模型预估精度高于发育阶段作为哑变量构建的生物量通用模型;而同时引入2个哑变量时,预估精度分别高于单独引入1个哑变量的生物量通用模型,表明同时考虑区域和发育阶段构建的日本落叶松生物量模型为最佳模型。因此,考虑将区域和发育阶段同时作为哑变量并应用似乎不相关法来构建单木生物量模型,可以解决大尺度生物量模型的通用性和不同组分的相容性问题。表5参33(本文来源于《浙江农林大学学报》期刊2019年05期）
马晓玲[2]（2019）在《具有误差自回归的似乎不相关模型参数的贝叶斯估计》一文中研究指出现如今,随着信息化、大数据时代的到来,数据容量大、内容多样、形式复杂、数据间关联性较密集,事物间相关联的研究越来越受到人们的重视,人们已不能用单一独立的视角解释社会、自然界存在的现象.经典的线性回归模型在很多领域已不能较为合理的解释生活中的方方面面.似乎不相关模型的出世打破了人们对误差模型满足高斯马尔科夫假设条件的认识,通过误差扰动项将看似没有关联的模型紧密地联系在一起.后来,学者们对似乎不相关模型的研究已深入到经济、环境、生态、卫生等领域,均说明了该模型具有很好的解释性及广泛的应用前景.针对面板数据的研究,模型的空间效应广受大众关注.若在同一个时间截面,主要研究关于空间地理位置的异质性和区域之间的关联性问题;在特定的地理位置上,观测值会以时间序列的形式呈现.本文所设定的误差协方差矩阵是表示时间相关性的误差自回归模型,即研究不同时刻同一位置之间的某种相互关系.空间异质性的问题一般用地理加权回归模型来刻画.本文提出具有时间相关性的误差自回归似乎不相关模型与具有误差自回归地理加权似乎不相关回归模型.用该模型更好地刻画解释变量与被解释变量之间关系的动态过程及解决时空异质性、相关性问题.对似乎不相关模型参数的求解问题,国内外学者提供很多种方法:广义最小二乘估计方法、极大似然方法、广义矩方法、线性贝叶斯方法等.本文中,对具有误差自回归似乎不相关模型用线性Bayes估计方法对参数进行估计,并得到该方法的无偏性及有效性证明.在模拟中,用均方误差和绝对偏差均值作为检验指标得出线性Bayes方法较GLS方法的优良性.再根据贝叶斯统计推断及多元参数的有信息先验分布,推导出具有误差自回归地理加权似乎不相关模型参数的后验分布,模拟时结合Gibbs抽样方法得到该模型参数的估计值,并用残差平方和、均方误差和绝对偏差均值作为检验指标,与广义局部加权最小二乘估计方法进行优良性对比,从而说明该模型的良好解释性及估计方法的有效性.(本文来源于《新疆大学》期刊2019-05-24）
李萌,姚俭[3]（2019）在《老龄化、经济发展、教育与房价——基于似不相关回归方法的实证分析》一文中研究指出通过实证分析2002—2016年我国30个省份(西藏除外)的面板数据,探讨老龄化、与房价的关系,并引入地区GDP、地区教育状况等因素,通过构建似不相关回归模型,探索老年抚养比、GDP、教育水平等宏观因素对住宅商品房价格的影响程度。得出了四个重要结论:①地区生产总值与房价逆向相关,说明近年来我国住房价格的增长确实过快,畸形发展。过高的房价不利于我国整体经济的发展;②目前阶段来看老龄化现象助推了房价上涨;③教育水平的提高对抑制房价具有正向促进作用;④地方财政房产税收入与房价正相关。最后给出了相关的政策建议。(本文来源于《中国林业经济》期刊2019年02期）
张红宇[4]（2019）在《极大不相关多元逻辑回归及其在大规模文本分类中的应用》一文中研究指出随着数据规模的不断增大,普通的多元逻辑回归已经不能够满足大数据处理的需求。其一,大规模数据中通常含有较多重复冗余的信息,也就是说多个不同的类别之间可能包含相似或相同的特征,这些特征将严重影响分类算法的决策,最终导致错误的分类结果。其二,随着数据规模的增大,计算所需的资源已经超过单一机器的极限,导致算法训练时间过长,或是根本无法进行。针对数据冗余问题,本文提出了一种极大不相关多元逻辑回归(Maximal Uncorrelated Multinomial Logistic Regression,MUMLR)分类模型。其主要思想是通过增加极大不相关正则项来降低数据中共同信息的权重,尽量保留更多不相关、有判别的信息。此外,鉴于多元逻辑回归与神经网络的关系,本文将“极大不相关”在多元逻辑回归中取得的成果应用到了神经网络中,并提出了极大不相关神经网络(Maximal Uncorrelated Neural Networks,MUNN)。极大不相关神经网络同时具备了极大不相关多元逻辑回归算法的高鲁棒性和神经网络模型强大的拟合能力,使得该算法具有广阔的应用前景。针对数据规模超出单一机器处理极限的问题,本文根据不同的数据特性分别提出了全局变量一致性极大不相关多元逻辑回归(Global Variable Consensus Maximal Uncorrelated Multinomial Logistic Regression,GVC-MUMLR)算法和共享极大不相关多元逻辑回归(Sharing Maximal Uncorrelated Multinomial Logistic Regression,SMUMLR)算法。全局一致性极大不相关多元逻辑回归用以解决数据样本个数过多,串行的梯度优化方法无法有效进行优化求解的问题。共享极大不相关多元逻辑回归用以解决数据维度过高导致的维度爆炸问题。最后,针对文本分类领域较易出现数据冗余和数据规模过大的问题,本文在上述研究的基础上,设计实现了一个大规模文本分类系统,并成功的将算法成果应用到了大规模文本分类上。(本文来源于《重庆邮电大学》期刊2019-03-06）
赵丽[5]（2017）在《高维似乎不相关回归模型的统计推断》一文中研究指出经典的似乎不相关回归模型中,每个方程从表面上看互不相关,但是方程间随机误差项的同期相关性却把各个方程紧密地联系在一起.利用误差项之间的相关信息,可以提高单个方程回归系数的估计精度.随着大数据时代的到来,越来越多的数据表面看来没有关系,但实际却存在同期相关性,似乎不相关回归模型能很好的刻画这种相关性.本文研究高维似乎不相关回归模型中的统计推断问题,包括回归系数的估计和回归模型间的相关性检验.主要结果如下:在高维情形,证明了最常用的Zellner两步估计不存在,在正态假定下,证明了极大似然估计不存在,所以,可用的常用估计量只有各个回归模型的最小二乘估计.利用条件分布的方法减少估计量的随机性,提出了条件期望改进估计,在特殊的模型设定下证明了条件期望改进估计等价于广义最小二乘估计.类似与Zellner两步估计的思想,提出了两步条件期望改进估计,在一种特殊的模型设定下,给出了两步条件期望改进估计的协方差阵的表达式.通过对协方差阵的分析得知,两步估计利用新的方程逐步改进最小二乘估计时,加入新的方程会增大估计误差协方差阵的难度.当似乎不相关回归模型中方程与待估方程的相关性小时,这个方程对减小估计的随机性的贡献程度,不足以抵消加入这个方程带来的累计误差,甚至会带来估计效率的降低.因此提出利用高相关残差改进的最小二乘估计,并通过模拟研究了它的性质.由于高相关残差改进估计中需要计算的改进项很多,当相关方程个数多时计算量大.为了克服这个缺点,定义了广义典型相关变量和广义典型相关系数,并基于这个定义提出了广义典型相关变量改进估计.新估计量的项数少,当协方差阵已知时证明在一定条件下改进估计是最佳线性无偏估计,特别的在两个回归模型时,广义典型相关改进估计就是最佳线性无偏估计.在一般情况下,若协方差阵已知时,证明了广义典型相关改进估计的均方误差小于最小二乘估计,不同于Zellner的两步估计,广义典型相关改进估计中不出现协方差阵的逆,所以,在协方差阵未知时,我们可以用样本方差和样本协方差代替未知的方差和协方差,得到两步广义典型相关改进估计.模拟结果表明,新估计优于最小二乘估计.误差的协方差矩阵是非对角阵是似乎不相关线性回归模型的一个基本假定.对于误差协方差阵是否为对角阵的检验问题,我们基于样本相关系数平方的最大值提出了一个新的检验统计量,给出了两种情况下的渐近分布,一是回归模型的个数固定,观察次数趋于无穷.二是先让观察次数趋于无穷后,再让回归模型的个数趋于无穷.在第二种情形,检验统计量的渐近分布为指数分布.模拟结果表明,当回归模型间相关性很稀疏,且有高相关时,新的检验比已有的检验功效高。(本文来源于《北京理工大学》期刊2017-06-01）
桂风云,魏传华[6]（2016）在《地理加权似乎不相关回归模型及其估计》一文中研究指出为了刻画时空异质性,文章基于地理加权回归技术和似乎不相关回归方法提出了一种新的空间计量经济学模型——地理加权似乎不相关模型。对于这类模型中的未知系数函数,提出了两种估计方法,第一种方法是利用局部加权最小二乘方法分别估计每个时刻对应的空间变系数模型,第二种方法是广义局部加权最小二乘估计,考虑了同一地点不同时刻误差之间的相关性。(本文来源于《统计与决策》期刊2016年08期）
丁成日,牛毅,何莲娜,李智[7]（2016）在《产业发展与城市土地利用关系研究——利用有约束条件的似乎不相关回归模型分析》一文中研究指出城市经济发展需要建筑空间作支撑,不同的经济活动有不同的建筑空间要求,而不同土地利用类型有不同的建筑容积率,因此为城市经济发展供给城市土地就比较复杂。产业与城市土地之间数量关系是实现经济规划与城市规划融合、经济规划"空间落地"的一个重要技术关键。本文利用有约束的似乎不相关模型分析经济产业与城市土地之间的关系,通过北京实证估算,该方法推算的结果比较符合实际。我们认为该方法可以广泛地应用到其它城市,在直接数据缺失的情况下,这个非调查方法的实用价值不可低估。(本文来源于《城市观察》期刊2016年02期）
周扬[8]（2016）在《企业税负与零售企业赢利模式——基于面板似不相关回归的实证分析》一文中研究指出零售企业的赢利模式包括前台毛利模式、后台毛利模式和资本经营模式,企业税负对叁种赢利模式偏好有不同的影响。根据零售企业上市公司的数据和模型分析认为,后台毛利模式比前台毛利模式更具有避税效应,前台毛利模式的避税效应大于资本经营模式,这说明在面临高税负时零售企业具有强烈寻求后台毛利模式的倾向。零售企业应加强税负管理,避免过度依赖后台毛利模式,培育自己的核心竞争力,并创新经营模式和营销手段,回归商业本质,增加前台毛利,从价格竞争转向服务竞争,改善零供关系,建立风险共担、利益共享的战略合作伙伴关系。(本文来源于《中国流通经济》期刊2016年03期）
马添翼,余昌龙[9]（2016）在《知识产权贸易影响技术差距收敛的似不相关回归分析》一文中研究指出重视并认识中国与他国的技术差距,加快技术创新,是知识产权贸易乃至创新型国家建设的基本要求,而这一领域的研究目前并未引起学者们的足够重视。本文首先进行了文献分析,其次分析了中国知识产权贸易现状及其技术基础,然后构建技术差距与知识产权贸易的似不相关方程组,并利用中国省际面板数据进行了测算,最后得出结论并提出政策建议。(本文来源于《商业经济研究》期刊2016年02期）
曹潇[10]（2013）在《经济计量模型中不相关单位根变量间伪回归的纠正方法》一文中研究指出文章旨在考察经济计量模型中不相关单位根变量间伪回归现象形成的内在成因,为这类伪回归的纠正提供方法依据。借助叁个定理的证明,分析了不相关单位根变量间伪回归形成的过程。研究表明,在回归模型中包括自变量和应变量的一阶滞后变量可纠正伪回归的问题。(本文来源于《统计与决策》期刊2013年01期）
似不相关回归论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
现如今,随着信息化、大数据时代的到来,数据容量大、内容多样、形式复杂、数据间关联性较密集,事物间相关联的研究越来越受到人们的重视,人们已不能用单一独立的视角解释社会、自然界存在的现象.经典的线性回归模型在很多领域已不能较为合理的解释生活中的方方面面.似乎不相关模型的出世打破了人们对误差模型满足高斯马尔科夫假设条件的认识,通过误差扰动项将看似没有关联的模型紧密地联系在一起.后来,学者们对似乎不相关模型的研究已深入到经济、环境、生态、卫生等领域,均说明了该模型具有很好的解释性及广泛的应用前景.针对面板数据的研究,模型的空间效应广受大众关注.若在同一个时间截面,主要研究关于空间地理位置的异质性和区域之间的关联性问题;在特定的地理位置上,观测值会以时间序列的形式呈现.本文所设定的误差协方差矩阵是表示时间相关性的误差自回归模型,即研究不同时刻同一位置之间的某种相互关系.空间异质性的问题一般用地理加权回归模型来刻画.本文提出具有时间相关性的误差自回归似乎不相关模型与具有误差自回归地理加权似乎不相关回归模型.用该模型更好地刻画解释变量与被解释变量之间关系的动态过程及解决时空异质性、相关性问题.对似乎不相关模型参数的求解问题,国内外学者提供很多种方法:广义最小二乘估计方法、极大似然方法、广义矩方法、线性贝叶斯方法等.本文中,对具有误差自回归似乎不相关模型用线性Bayes估计方法对参数进行估计,并得到该方法的无偏性及有效性证明.在模拟中,用均方误差和绝对偏差均值作为检验指标得出线性Bayes方法较GLS方法的优良性.再根据贝叶斯统计推断及多元参数的有信息先验分布,推导出具有误差自回归地理加权似乎不相关模型参数的后验分布,模拟时结合Gibbs抽样方法得到该模型参数的估计值,并用残差平方和、均方误差和绝对偏差均值作为检验指标,与广义局部加权最小二乘估计方法进行优良性对比,从而说明该模型的良好解释性及估计方法的有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
似不相关回归论文参考文献
[1].申家朋,陈东升,孙晓梅,张守攻.基于似乎不相关回归和哑变量的日本落叶松单木生物量模型构建[J].浙江农林大学学报.2019
[2].马晓玲.具有误差自回归的似乎不相关模型参数的贝叶斯估计[D].新疆大学.2019
[3].李萌,姚俭.老龄化、经济发展、教育与房价——基于似不相关回归方法的实证分析[J].中国林业经济.2019
[4].张红宇.极大不相关多元逻辑回归及其在大规模文本分类中的应用[D].重庆邮电大学.2019
[5].赵丽.高维似乎不相关回归模型的统计推断[D].北京理工大学.2017
[6].桂风云,魏传华.地理加权似乎不相关回归模型及其估计[J].统计与决策.2016
[7].丁成日,牛毅,何莲娜,李智.产业发展与城市土地利用关系研究——利用有约束条件的似乎不相关回归模型分析[J].城市观察.2016
[8].周扬.企业税负与零售企业赢利模式——基于面板似不相关回归的实证分析[J].中国流通经济.2016
[9].马添翼,余昌龙.知识产权贸易影响技术差距收敛的似不相关回归分析[J].商业经济研究.2016
[10].曹潇.经济计量模型中不相关单位根变量间伪回归的纠正方法[J].统计与决策.2013