导读:本文包含了多元线性回归估计论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:线性,模型,小二,平方和,抗压强度,乘法,误差。
多元线性回归估计论文文献综述
刘鹤飞[1]（2019）在《隐马尔可夫多元线性回归模型及其贝叶斯估计》一文中研究指出文章将隐马尔可夫模型与回归模型相结合,提出了隐马尔可夫回归模型的概念。并以多元线性回归为例,详细给出了隐马尔可夫多元线性回归模型的数学定义。为了对模型的参数进行贝叶斯估计,给出了参数的先验分布,推导出了每个参数的全条件后验分布。用MCMC算法模拟后验分布,取后验均值作为各参数的贝叶斯估计值。最后,将参数的估计值与真实值进行对比,验证了估计方法的可靠性。(本文来源于《统计与决策》期刊2019年06期）
崔乐[2]（2019）在《基于多元线性回归的稳健估计和异常值检测的研究》一文中研究指出在线性回归分析中,如果样本中出现异常值,那么会影响回归模型的建立、参数的估计以及预测.所以,回归分析中异常值的研究一直是统计学中的热点问题.在传统的检测异常值的方法中,一般情况下估计总体参数的方法是最小二乘法,然而,最小二乘法很容易受到异常值的影响,估计出来的结果很不稳健,因此,本文在检测异常值的时候引入了总体参数的稳健估计,从而使得检测异常值更加的有效.本文基于线性回归模型,在均值漂移模型和数据删除模型的理论基础上,从残差平方和的角度出发,引入一个D统计量,并结合M估计、R估计、样本分位数法、最小中位数平方LMS估计、最小截尾平方LTS估计、最小残差尺度S估计等估计稳健的总体参数,改进D统计量,最后用改进的D统计量判断观测值是否是异常值并且估计其大小.通过有大量数据的模拟实验及真实数据的实验,比较改进的D统计量与传统检测异常值的方法.本文的主要工作内容如下:(1)研究了基于多元线性回归的一些稳健估计的方法.(2)基于数据删除模型和均值漂移模型,引入了一种检测异常值的统计量,并结合稳健估计.(3)利用R、Python等软件通过有大量数据的模拟实验及真实数据的实验,比较新的检测异常值的方法与传统检测异常值方法.结果显示,新的检测异常值的方法检测效果更好.(本文来源于《长春理工大学》期刊2019-03-01）
陈武,向杭,陈尘[3]（2017）在《一元线性回归方程估计标准误差的新认识》一文中研究指出0引言在传统的《统计学》教科书中,对一元线性回归估计标准误差给出了定义及计算公式,对估计标准误差的经济含义的一般描述是用来判断一元线性回归方程代表性大小的指标。但是我们知道,估计标准误差是绝对量的变异指标,绝对量的变异指标既反映了实际值与对应的趋势值差异的大小,又要受数列水平高(本文来源于《统计与决策》期刊2017年12期）
潘永博[4]（2017）在《偏正态误差分布下一元线性回归模型的参数估计及比较》一文中研究指出本文主要研究了偏正态误差分布下一元线性回归模型的参数估计问题.在经典一元线性回归模型中,默认误差项服从正态分布N(0,σ2).但在线性模型应用的很多领域中,误差项并不一定服从正态性假设.本文将线性回归模型下的正态性假设推广到了非对称的偏正态分布.在偏正态分布的假设下,讨论了线性回归模型中目标参数的估计问题.文章主要分为四部分.第一章主要介绍了问题的背景来源,当前的研究成果及文中所用到的估计方法.第二章在极大似然估计方法的基础上提出了改进,通过剖分及极大似然函数原理求解了模型的参数估计.第叁章求解了模型在矩估计,最小一乘估计,最小二乘估计原则下的参数估计.第四章内容对上述各估计方法得出的估计值进行了数值模拟,通过计算目标参数的均方误差及相对误差,比较了此模型下各估计方法的准确性.(本文来源于《郑州大学》期刊2017-04-01）
李小胜,王申令[5]（2016）在《带线性约束的多元线性回归模型参数估计》一文中研究指出本文首先构造线性约束条件下的多元线性回归模型的样本似然函数,利用Lagrange法证明其合理性。其次,从似然函数的角度讨论线性约束条件对模型参数的影响,对由传统理论得出的参数估计做出贝叶斯与经验贝叶斯的改进。做贝叶斯改进时,将矩阵正态-Wishart分布作为模型参数和精度阵的联合共轭先验分布,结合构造的似然函数得出参数的后验分布,计算出参数的贝叶斯估计;做经验贝叶斯改进时,将样本分组,从方差的角度讨论由子样本得出的参数估计对总样本参数估计的影响,计算出经验贝叶斯估计。最后,利用Matlab软件生成的随机矩阵做模拟。结果表明,两种改进后的参数估计均较由传统理论得出的参数估计更精确、拟合结果的误差比更小、可信度更高,在大数据的情况下,改进后的计算方法速度更快。(本文来源于《统计研究》期刊2016年11期）
胡晓娟[6]（2016）在《多元线性回归模型参数的STLS估计法及其在工程造价预测中的应用》一文中研究指出针对传统最小二乘估计法忽略多元线性回归模型设计矩阵部分元素受误差影响的问题,提出采用结构整体最小二乘法估计模型参数,该方法同时考虑设计矩阵的误差和结构特性,以及与观测矢量异方差的情况。定义了结构整体最小二乘法估计模型参数的函数模型和随机模型,采用拉格朗日乘数法推导了其迭代解算的公式,并设计了相应的迭代算法。最后,通过模拟数据和建筑工程造价实测数据实验对算法的可行性和优越性进行了验证。(本文来源于《四川建筑科学研究》期刊2016年04期）
刘鹤飞[7]（2015）在《一元线性回归系数的两种估计方法比较》一文中研究指出介绍了线性回归以及一元线性回归系数的最小二乘估计法,提出了一元线性回归基于样本点到回归直线的垂直距离平方和最小的估计方法,计算出了估计系数,发现两种方法的估计系数完全相同,从几何的角度证明了两种方法回归系数相同的原因.(本文来源于《曲靖师范学院学报》期刊2015年06期）
黄云英[8]（2015）在《多元分块线性回归模型下参数函数的加权最小二乘估计》一文中研究指出对于线性模型的参数估计,加权最小二乘估计(WLSE)是比较常用的方法之一关于线性回归模型下参数函数的加权最小二乘估计,许多的学者已经做了大量的研究工作,并呈现出了许多好的结果.然而,还有许多问题仍需要进一步的研究.本文给出了在一个多元分块线性回归模型。M={y,X1β1+…+Xmβm,σ2∑}下参数函数K1β1+…+Kmβm的加权最小二乘估计等于在它的m个小模型。Mi={y,Xi βi,σ2∑),i=1,2,…,m下参数函数Kiβi的加权最小二乘估计和的充分必要条件,以及在线性模型,u下参数函数Kiβi的加权最小二乘估计等于在它的小模型Mi,i,=1,2,…,m下参数函数Kiβi的加权最小二乘估计的充分必要条件.同时本文也描述了这些参数函数的加权最小二乘估计的一些统计性质.(本文来源于《兰州大学》期刊2015-04-01）
王江荣,文晖,任泰明[9]（2014）在《基于杂交粒子群算法的多元线性回归参数估计及预测区间研究》一文中研究指出为了提高多元线性回归分析模型预测混凝土28 d抗压强度的准确性和可靠性,采用杂交粒子群优化算法估算模型系数,依据正态分布和t分布求出预测点置信度为95%的预测区间。实验结果表明:此模型的预测精度优于传统基于最小二乘估算的回归分析模型,且预测结果可以是相关量的取值范围,扩大了相关量的适用范围,提高了预测的可靠性。(本文来源于《水泥工程》期刊2014年05期）
姜佃高,张娟娟,葛永慧[10]（2014）在《稳健估计方法在多元线性回归中的有效性研究》一文中研究指出建立在稳健估计基础上的稳健回归方法能有效地消除或减弱粗差对回归系数估值的影响。然而,不同稳健估计方法的稳健性不尽相同。文章采用仿真实验的方法,以二元至四元线性回归为例,对13种常用稳健估计方法的稳健性进行比较。(本文来源于《统计与决策》期刊2014年18期）
多元线性回归估计论文开题报告
（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：
在线性回归分析中,如果样本中出现异常值,那么会影响回归模型的建立、参数的估计以及预测.所以,回归分析中异常值的研究一直是统计学中的热点问题.在传统的检测异常值的方法中,一般情况下估计总体参数的方法是最小二乘法,然而,最小二乘法很容易受到异常值的影响,估计出来的结果很不稳健,因此,本文在检测异常值的时候引入了总体参数的稳健估计,从而使得检测异常值更加的有效.本文基于线性回归模型,在均值漂移模型和数据删除模型的理论基础上,从残差平方和的角度出发,引入一个D统计量,并结合M估计、R估计、样本分位数法、最小中位数平方LMS估计、最小截尾平方LTS估计、最小残差尺度S估计等估计稳健的总体参数,改进D统计量,最后用改进的D统计量判断观测值是否是异常值并且估计其大小.通过有大量数据的模拟实验及真实数据的实验,比较改进的D统计量与传统检测异常值的方法.本文的主要工作内容如下:(1)研究了基于多元线性回归的一些稳健估计的方法.(2)基于数据删除模型和均值漂移模型,引入了一种检测异常值的统计量,并结合稳健估计.(3)利用R、Python等软件通过有大量数据的模拟实验及真实数据的实验,比较新的检测异常值的方法与传统检测异常值方法.结果显示,新的检测异常值的方法检测效果更好.
（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。
多元线性回归估计论文参考文献
[1].刘鹤飞.隐马尔可夫多元线性回归模型及其贝叶斯估计[J].统计与决策.2019
[2].崔乐.基于多元线性回归的稳健估计和异常值检测的研究[D].长春理工大学.2019
[3].陈武,向杭,陈尘.一元线性回归方程估计标准误差的新认识[J].统计与决策.2017
[4].潘永博.偏正态误差分布下一元线性回归模型的参数估计及比较[D].郑州大学.2017
[5].李小胜,王申令.带线性约束的多元线性回归模型参数估计[J].统计研究.2016
[6].胡晓娟.多元线性回归模型参数的STLS估计法及其在工程造价预测中的应用[J].四川建筑科学研究.2016
[7].刘鹤飞.一元线性回归系数的两种估计方法比较[J].曲靖师范学院学报.2015
[8].黄云英.多元分块线性回归模型下参数函数的加权最小二乘估计[D].兰州大学.2015
[9].王江荣,文晖,任泰明.基于杂交粒子群算法的多元线性回归参数估计及预测区间研究[J].水泥工程.2014
[10].姜佃高,张娟娟,葛永慧.稳健估计方法在多元线性回归中的有效性研究[J].统计与决策.2014
论文知识图
