导读:本文包含了型主成分估计论文开题报告文献综述及选题提纲参考文献，主要关键词:主成分估计,主成分回归,数理统计
型主成分估计论文文献综述
孙嘉聪,沈丹,王飞[1]（2019）在《主成分估计分析》一文中研究指出主成分估计是另一种改进最小二乘估计的有偏估计.主成分分析是基于当人们在研究诸多的标识(变量)时,总不能穷尽所有的因素,从而假设能找到一些具有代表性的因素,且这些因素尽可能多地保留原有自变量的信息.采用这种思想将原来的回归变量变换为另一组变量(主成分),然后选择其中一部分重要的主成分作为新的变量,然后用最小二乘估计方法对所选的主成分进行估计,最后转回到原来的模型参数的估计.(本文来源于《数学学习与研究》期刊2019年12期）
朱宁,黄荣臻,张茂军,邓超海[2]（2019）在《协方差阵扰动对Stein岭型主成分估计的影响分析》一文中研究指出针对线性回归模型中协方差阵扰动对Stein岭型主成分估计β(P)G的影响问题进行研究.证明了β(P)G的某种极限是数据删除模型的Stein岭型主成分估计;建立了β(P)G与G-M模型的Stein岭型主成分估计β(P)之间的关系;定义了度量扰动影响的距离测度DG,并给出了DG的多种计算式;最后通过实例验证其有效性.(本文来源于《河南师范大学学报(自然科学版)》期刊2019年02期）
赵宇[3]（2018）在《空间自回归模型的主成分估计》一文中研究指出空间自回归模型是空间计量经济学中处理空间相关性时常用的一类回归模型,本文主要考虑到自变量存在多重共线性时,空间自回归模型的参数应该如何估计。在主成分分析以及极大似然估计方法的基础之上,建立了一类针对模型未知参数的有偏估计,从而减少多重共线性对于模型求解的影响。本文引入数值模拟部分,说明了主成分估计方法对于处理多重共线性问题的有效性,同时引入波士顿房价数据实例,进一步验证了当多重共线性出现时,有偏估计结果较之极大似然估计更为合理。(本文来源于《统计与管理》期刊2018年07期）
于婧妍[4]（2018）在《Logistic回归模型参数的Stein岭型主成分估计的性质研究》一文中研究指出Logistic回归模型是一种有效的处理分类数据的方法,在很多领域诸如经济学、工程技术类医学、医学、生物学、犯罪心理学都有广泛的应用。近年来越来越多的利用Logistic回归模型进行统计的分析,在众多的估计理论和方法中,极大似然估计和最小二乘法占了很大的比例。但是随着统计学家们不断深入的研究,关于Logistic回归模型的很多有偏估计被提出用以改进极大似然估计和最小二乘法估计在处理复共线性的不足,如岭估计、Liu估计等。本文主要比较了Logistic回归模型的Stein岭型主成分估计与两参数估计之间的关系,以及Logistic回归模型的几乎无偏Stein岭型主成分估计与几乎无偏两参数估计之间优良性的关系。(本文来源于《吉林大学》期刊2018-05-01）
朱宁,刘庆华,周桂兰,农以宁[5]（2017）在《均方误差准则下的几乎无偏Stein岭型主成分估计的优良性》一文中研究指出将Stein岭型主成分估计利用几乎无偏估计思想进行优化,得到几乎无偏Stein岭型主成分估计.并考虑均方误差准则,得到了几乎无偏Stein岭型主成分估计优于最小二乘估计、Stein岭型主成分估计的充分条件.并通过数值实验证明在给定k或p时,几乎无偏Stein岭型主成分估计的均方误差与Stein岭型主成分估计的均方误差较为接近,且远大于最小二乘估计的均方误差.(本文来源于《河南师范大学学报(自然科学版)》期刊2017年05期）
张亚利,唐菲菲[6]（2017）在《基于稳健主成分估计的建城区面积变化驱动力分析——以重庆市为例》一文中研究指出建成区面积变化的驱动力分析是近年来土地利用领域的研究热点.针对动力系统多重共线性及样本粗差问题,将主成分估计和稳健估计有机结合,构成稳健主成分估计,并以重庆市建成区面积变化的驱动分析为例,对稳健主成分估计方法的有效性进行了验证与分析.研究表明:当样本含有粗差时,稳健主成分方法得出的驱动规律更科学、客观,说明稳健主成分方法系统性更强,对粗差有一定的抑制作用.(本文来源于《西南大学学报(自然科学版)》期刊2017年02期）
王玉丽,包为民,沈丹丹,张阳,费如君[7]（2017）在《抗差主成分估计在单位线推算中的应用》一文中研究指出流域汇流单位线的推求常使用最小二乘法,但当法方程系数矩阵病态或是观测值中含有粗差时,用传统的最小二乘法估计的误差会很大。针对这些情况,采用抗差最小二乘法和有偏估计的抗差主成分估计法,与最小二乘估计进行计算比较。计算结果表明,抗差主成分估计不但能够克服法方程系数矩阵病态的影响,而且能够抵御观测值中异常值的干扰,得到光滑合理的单位线。(本文来源于《水力发电》期刊2017年02期）
李亚萍,孙付平,朱新慧,丁赫,陈竞男[8]（2016）在《抗差主成分估计在板块运动参数解算中的应用》一文中研究指出为解决在采用空间大地测量数据求解板块运动欧拉参数过程中可能出现的矩阵病态问题,以及消除粗差对解算结果的影响,利用抗差主成分估计方法,采用IGG3方案的选权迭代方案对北美板块的2 577个台站进行检测,剔除包含粗差的异常站数据,求出欧拉参数最优解,并进行误差估计,建立北美板块的运动模型。计算结果表明,剔除异常台站前后精度有一定的提高,参数结果与其他模型的解算结果具有较强的一致性。(本文来源于《测绘工程》期刊2016年08期）
王文军,杨幼玲[9]（2016）在《基于广义线性模型的岭型主成分估计及实例分析》一文中研究指出在广义线性模型已有的参数估计的基础上,结合广义线性模型中的主成分估计和岭估计,给出了广义线性模型中的新的估计方法岭型主成分估计,并在均方误差意义下证明了在满足一定条件下这种估计方法是优于广义线性模型中的最大似然估计、主成分估计、岭估计的,最后通过实际算例对比分析验证了理论上得到的结果.(本文来源于《哈尔滨师范大学自然科学学报》期刊2016年03期）
李峰,张冰,刘璐[10]（2015）在《基于主成分估计的2014年巴西世界杯足球赛各项技术指标与比赛结果的相关性分析》一文中研究指出采用文献资料法、数理统计法等研究方法对第20届巴西世界杯足球赛各项技术指标与球队胜负的关系进行相关性分析,并分别比较分析足球进攻与防守的技术指标,结果显示:射门、射正、控球率、传球、角球5项是与比赛结果相关性最大的进攻性技术指标,而与比赛结果相关性最大的防守技术指标有拦截、黄牌和犯规3项;另外,抢断、控球率、传球与球队获胜场次关系最为密切.(本文来源于《西南师范大学学报(自然科学版)》期刊2015年10期）
型主成分估计论文开题报告
（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：
针对线性回归模型中协方差阵扰动对Stein岭型主成分估计β(P)G的影响问题进行研究.证明了β(P)G的某种极限是数据删除模型的Stein岭型主成分估计;建立了β(P)G与G-M模型的Stein岭型主成分估计β(P)之间的关系;定义了度量扰动影响的距离测度DG,并给出了DG的多种计算式;最后通过实例验证其有效性.
（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。
型主成分估计论文参考文献
[1].孙嘉聪,沈丹,王飞.主成分估计分析[J].数学学习与研究.2019
[2].朱宁,黄荣臻,张茂军,邓超海.协方差阵扰动对Stein岭型主成分估计的影响分析[J].河南师范大学学报(自然科学版).2019
[3].赵宇.空间自回归模型的主成分估计[J].统计与管理.2018
[4].于婧妍.Logistic回归模型参数的Stein岭型主成分估计的性质研究[D].吉林大学.2018
[5].朱宁,刘庆华,周桂兰,农以宁.均方误差准则下的几乎无偏Stein岭型主成分估计的优良性[J].河南师范大学学报(自然科学版).2017
[6].张亚利,唐菲菲.基于稳健主成分估计的建城区面积变化驱动力分析——以重庆市为例[J].西南大学学报(自然科学版).2017
[7].王玉丽,包为民,沈丹丹,张阳,费如君.抗差主成分估计在单位线推算中的应用[J].水力发电.2017
[8].李亚萍,孙付平,朱新慧,丁赫,陈竞男.抗差主成分估计在板块运动参数解算中的应用[J].测绘工程.2016
[9].王文军,杨幼玲.基于广义线性模型的岭型主成分估计及实例分析[J].哈尔滨师范大学自然科学学报.2016
[10].李峰,张冰,刘璐.基于主成分估计的2014年巴西世界杯足球赛各项技术指标与比赛结果的相关性分析[J].西南师范大学学报(自然科学版).2015