回歸系數(shù)
- 基于嶺回歸的土壤全氮含量反演模型
小二乘法求解回歸系數(shù)時發(fā)現(xiàn)光譜數(shù)據(jù)的自相關程度高，存在嚴重的多重共線性問題，反演結果不可靠[12].楊福芹等[13]基于多重共線性，篩選出對冬小麥氮營養(yǎng)指數(shù)相關性較高的圖像指數(shù)，再利用偏最小二乘法構建反演模型，建模集均方根誤差RMSE可達0.085 8，驗證集RMSE達0.187 1，預測精度較高；LAURIN等[14]采用偏最小二乘回歸(PLSR)，利用高光譜數(shù)據(jù)與植被指數(shù)，對非洲熱帶雨林生物量進行建模，發(fā)現(xiàn)改進后模型精度(決定系數(shù)R2=0.70)優(yōu)于不
排灌機械工程學報 2022年11期2022-11-26
- 一種基于時間序列與核嶺回歸的結構損傷定位方法
6]建立了自回歸系數(shù)的損傷靈敏度矩陣,通過該矩陣反映的自回歸系數(shù)變化與損傷系數(shù)變化之間的關系進行損傷識別與定位。盧宏彬[17]基于ARMA模型構造了殘差指標、前三階指標和馬氏距離指標在內(nèi)的損傷指標體系對結構損傷進行了識別,并將該方法應用于主跨428 m的廣州新光大橋健康監(jiān)測系統(tǒng)上。杜永峰等[18]建立了AR模型,將待識別工況的殘差與AR預測參考模型的殘差的方差之比作為損傷指標。張凱瑋等[19]基于ARMA模型和馬氏距離定義了損傷指標,根據(jù)各工況下隧道結構的
地震工程學報 2022年5期2022-10-11
- 基于GWR的不同類型酒店住宿價格影響因素及空間異質(zhì)性研究
——以蘇州市為例
宿價格影響的回歸系數(shù)從圖3中可以看出，在西山風景區(qū)、東山風景區(qū)、陽澄湖東部周邊生活設施的回歸系數(shù)在300至772之間（即該主成分指標標準值每提高10%，客房價格提高30至77元），對經(jīng)濟型酒店住宿價格有明顯的影響。在金雞湖東部、昆山市中心城區(qū)以及太倉市中心城區(qū)的回歸系數(shù)在0至300之間，對經(jīng)濟型酒店住宿價格有很大的影響。而在其他區(qū)域的回歸系數(shù)則多為負數(shù)，大部分回歸系數(shù)處于-100至0之間，少部分回歸系數(shù)在-300至-101之間，極少部分會更低，在這些區(qū)域內(nèi)
江蘇商論 2022年4期2022-04-24
- 大同34號谷子高產(chǎn)穩(wěn)產(chǎn)及適應性分析
系數(shù)[8]及回歸系數(shù)[9]等多種方法，就其高產(chǎn)性、穩(wěn)產(chǎn)性、抗逆性及廣適性進行綜合分析，為大同34號谷子新品種在西北春播早熟區(qū)大面積應用提供理論依據(jù)。前人在品種評價方面已有過許多研究，在甜菜、大豆、大麥、谷子、馬鈴薯、玉米方面均有研究報道，評價方法隨著年代的變遷也越來越準確和科學化，從20世紀90年代應用平均產(chǎn)量、增產(chǎn)率、變異系數(shù)、回歸系數(shù)評價品種豐產(chǎn)性、適應性開始，到21世紀的高穩(wěn)系數(shù)、標準比差法、主效應值，現(xiàn)在又有了GGE雙標圖評價方法。在谷子品種評價方
耕作與栽培 2022年6期2022-02-20
- 基于多元線性回歸模型的水質(zhì)優(yōu)化研究
β2、β3為回歸系數(shù)［2］，為了計算四個回歸系數(shù)的值，需要對（x1，x2，x3，Y）進行12次觀察實驗，設線性方程式：（xi1，xi1，xi1，Yi），i是一個容量為12的樣本，即i=1，2…11,12，可以得到如公式（2）的樣本模型：結合本設計中的實驗數(shù)據(jù)，將公式（2）用矩陣表示為:則所以故氯根濃度與純水/工業(yè)水比例x1、月平均溫度x2、排污量x3之間的線性回歸模型為：2 模型檢驗2.1 線形模型有效性檢驗如果要檢驗氯根濃度與純水/工業(yè)水比例x1、月平均
四川有色金屬 2021年4期2022-01-22
- 幾類回歸預測模型的分析與討論
……βm稱為回歸系數(shù)。若得到n個獨立觀測的數(shù)據(jù)(yi,xi1,......,xim),i=1,2,......n,n>m，則得到則線性回歸模型可表示為利用回歸模型預測的基本思路是先根據(jù)自變量、因變量的觀測數(shù)值求出回歸系數(shù)，從而建立回歸模型，再運用模型計算出不同自變量所對應的因變量的值。回歸系數(shù)的求解主要應用最小二乘思想。模型參數(shù)的估計值β0，β1，……βm應使得預測值與實際觀測之差的平方和最小，記為預測值，也就是則所求回歸系數(shù)應使得的值最小。利用矩陣理論數(shù)
中國科技縱橫 2021年16期2021-10-25
- 線性回歸中回歸稀釋偏倚校正的模擬研究*
同情況下得到回歸系數(shù)最佳校正效果時所需要的最小樣本量。方法 用Matlab軟件隨機模擬產(chǎn)生重復測量數(shù)據(jù)，建立線性回歸模型，用PM法和RC法進行校正，比較設定的真實系數(shù)與校正前、后回歸系數(shù)，評價校正效果。結果 總體樣本量很大時(大于10000)，無論測量誤差的大小，當重復測量樣本量達到總體樣本量的10%～30%，回歸系數(shù)能達到最佳校正效果；兩種方法穩(wěn)定性差異無統(tǒng)計學意義，但PM法在計算上有更大的優(yōu)勢。總體樣本量較小時(小于300)，無論測量誤差的大小，當重復
中國衛(wèi)生統(tǒng)計 2021年4期2021-10-09
- 花生新品種濮花28號高產(chǎn)穩(wěn)產(chǎn)性分析
、變異系數(shù)、回歸系數(shù)和高穩(wěn)系數(shù)，對濮花28號進行高產(chǎn)穩(wěn)產(chǎn)性分析。結果表明，幾種方法的評價結果基本一致，濮花28號高產(chǎn)穩(wěn)產(chǎn)性突出，廣適性強，具有很高的推廣價值和廣闊的應用前景。關鍵詞 花生;濮花28號;高產(chǎn)穩(wěn)產(chǎn);回歸系數(shù)Abstract Puhua 28 is a new peanut variety which has passed the examination and identification in many provinces. It has t
安徽農(nóng)業(yè)科學 2021年6期2021-04-20
- 黑龍江省植物花期對氣溫變化的響應
行回歸分析（回歸系數(shù)如表2所示）。并以RCTI對氣溫變化的響應規(guī)律表示植物花期對氣溫變化的響應規(guī)律。表1 本研究涉及類群信息Table 1 The group information in this study表2 黑龍江省植物花期標本相對采集時間指數(shù)響應氣溫變化的回歸系數(shù)及物種信息Table 2 The regression coefficient of relative collection time index of florescence herb
植物研究 2021年1期2021-02-26
- 基于Python語言路徑分析矩陣算法運演
系分析，其偏回歸系數(shù)（partial regression coefficient）表示在控制其他自變量的條件下，每個自變量單獨對因變量的作用。其中各個自變量處于相同地位，對因變量的作用是并列。如果在兩個變量之間加上中介變量，一個變量既是自變量又是因變量時，存在多個環(huán)節(jié)，這就構成路徑。多元回歸就不能兼顧這種因果關系。路（通）徑分析(Path Analysis,Sewall Wright,1921)是相關系數(shù)分解的一種統(tǒng)計方法，不僅揭示自變量xi(i=1,2
電腦與電信 2021年10期2021-02-10
- p值法在巖體初始地應力場反演中的應用
，回歸模型和回歸系數(shù)的顯著性檢驗是必不可少的步驟，而上述研究在進行顯著性檢驗時，對巖體初始地應力場回歸模型一般采用F檢驗進行顯著性檢驗，對回歸系數(shù)一般采用t檢驗進行顯著性檢驗。F檢驗和t檢驗均存在1 個缺點：僅能給出判斷顯著性的依據(jù)，無法給出依據(jù)的強度，從而導致回歸模型的可靠性得不到充分地驗證。p值法檢驗是利用p值來確定是否拒絕原假設的方法［26］，不僅能夠給出判斷顯著性的依據(jù)，而且能給出依據(jù)的強度，因此能夠更充分地驗證所采用回歸模型的可靠性。此外，p值法
中國鐵道科學 2021年1期2021-02-04
- 一元線性回歸參數(shù)的估計
歸直線。1 回歸系數(shù)的點估計(1)最小二乘估計。在x=xi處,y的實際值yi與回歸值的差異為=yi-β0-β1xi，令Q(β0,β1)=應該滿足引入記號對β0,β1求偏導并令其為0，得正規(guī)方程組整理得解方程組得(2)回歸系數(shù)的最大似然估計。似然函數(shù)為兩邊取對數(shù)得對β0,β1,σ2求偏導并令其為0，得解方程組得可以看到在隨機誤差服從正態(tài)分布時，參數(shù)的最小二乘估計與最大似然估計一致的，但是如果不知道隨機誤差的分布時，最小二乘估計還與上面的結果相同，但此時不能求
山西大同大學學報(自然科學版) 2020年6期2020-12-31
- 小麥新品種平安0602高產(chǎn)穩(wěn)產(chǎn)性分析
、高穩(wěn)系數(shù)、回歸系數(shù)及適應度等[3-4]。高穩(wěn)系數(shù)計算簡便且分析容易，成為區(qū)域試驗中粗放地評價參試品種豐產(chǎn)穩(wěn)產(chǎn)性的主要方法[5-6]，且多數(shù)學者研究表明，在不詳細分析區(qū)試結果時，用高穩(wěn)系數(shù)法評判小麥品種（系）的豐產(chǎn)穩(wěn)產(chǎn)性是完全可行的[7-9]。回歸系數(shù)法及坐標分析法可以詳細地分析參試品種的高產(chǎn)穩(wěn)產(chǎn)特性[10]。平安0602 是河南平安種業(yè)有限公司選育的高產(chǎn)廣適小麥新品種，該品種是以04 中70 為母本，周麥16 為父本，通過有性雜交和系譜法選育而成，具有高
北方農(nóng)業(yè)學報 2019年5期2019-12-04
- 基于層次結構數(shù)據(jù)的多元線性回歸問題分析
數(shù)據(jù)的部分偏回歸系數(shù)以及層次結構矩陣來求解上層模型的偏回歸系數(shù)，以此來實現(xiàn)由部分偏回歸系數(shù)來構建全體MLR模型的目標。針對下層每個部分的偏回歸系數(shù)，數(shù)據(jù)用戶只需要提供原數(shù)據(jù)總和、平方和以及交叉項乘積和即可求解該部分的MLR模型的偏回歸系數(shù)。與直接利用原始數(shù)據(jù)求解偏回歸系數(shù)的相比，通過原數(shù)據(jù)總和、平均值以及交叉項乘積和的輸入進行偏回歸系數(shù)的求解，既可以保證原始數(shù)據(jù)的私密性，又可達到與原始數(shù)據(jù)直接輸入相同的結果。同時模型可實現(xiàn)整個計算的并行處理，提高大數(shù)據(jù)處理
數(shù)據(jù)采集與處理 2019年5期2019-10-30
- 我國民生財政支出對城鄉(xiāng)收入差距的影響研究
)其中,a為回歸系數(shù),e為殘差項.表1 -1 描述性統(tǒng)計分析表1 -2 最終回歸結果圖agdp -0.0244** 55.23 ——-0.0091 ——Cons 2.760*** 3.195***-0.64 -0.499 Obs 18 18 R-squared 0.907 0.834 DW統(tǒng)計量 —— —— 1.988懷特統(tǒng)計量 —— —— 18表1-2為最終回歸結果,根據(jù)全國層面回歸結果,核心變量回歸結果表明:(1)財政教育支出(edu)對城鄉(xiāng)收入差距的
新生代 2019年7期2019-10-25
- 基于跳回歸的高頻杠桿交易策略研究
，配對資產(chǎn)跳回歸系數(shù)的性質(zhì)是整個策略運行的核心，跳回歸系數(shù)的偏離性和穩(wěn)定性是配對資產(chǎn)篩選的準則：首先，跳躍幅度的偏離性。即跳回歸系數(shù)偏離1的程度，如果偏離程度越大，兩個資產(chǎn)變動幅度的非平衡也就越突出，那么杠桿交易的收益就越理想。此外，還需要考慮跳回歸系數(shù)是大于1還是小于1，這關系著兩個資產(chǎn)的交易方向選擇。在上跳方向上，需要做空漲幅小的資產(chǎn)，做多漲幅大的資產(chǎn)；在下跳方向上，需要做多跌幅小的資產(chǎn)，做空跌幅大的資產(chǎn)。其次，跳回歸系數(shù)穩(wěn)定性。即跳回歸系數(shù)在一段時間
統(tǒng)計與信息論壇 2019年10期2019-10-16
- 遼寧省玉米區(qū)試品種豐產(chǎn)穩(wěn)產(chǎn)性比較
、變異系數(shù)、回歸系數(shù)和品種間產(chǎn)量差異的SSR檢驗，以此評估參試品種的豐產(chǎn)穩(wěn)定性。如果回歸系數(shù)b＞1，表示其對環(huán)境響應敏感；b＜1，表示其對環(huán)境響應遲鈍，b=1表明其產(chǎn)量具有平均穩(wěn)定性［2］。高穩(wěn)系數(shù)計算方法參考文獻［3］的計算公式：HSCi=（Xi-Si）/1.10XCK×100%式中：Xi為第i個參試品種的平均產(chǎn)量，Si為第i個參試品種的標準差，XCK為對照品種的平均產(chǎn)量。HSCi為第i個參試品種的高穩(wěn)系數(shù)，其值越大，說明該品種的高產(chǎn)穩(wěn)產(chǎn)性越好［3，4］
作物研究 2019年6期2019-09-19
- 鋼水“脫氧合金化”配料方案電氣技術優(yōu)化
;線性回歸;回歸系數(shù);RBF預報模型一、問題重述1.1：問題敘述問題1：鋼水脫氧合金化主要關注C、Mn、S、P、Si五種元素的含量，根據(jù)附件1計算C、Mn兩種元素的歷史收得率，并分析影響其收得率的主要因素。問題2：在問題1 的基礎上，構建數(shù)學模型，對C、Mn兩種原始的收得率進行預測，并進一步改進模型及算法，盡可能提高這兩種元素收得率的預測準確率。1.2：問題分析問題1：根據(jù)脫氧合金化這五種元素含量的歷史數(shù)據(jù)，我們可以通過轉爐終點得到C、Mn的含量和連鑄正樣
科學導報·科學工程與電力 2019年38期2019-09-10
- 一種針對異常點的自適應回歸特征選擇方法
SSO求得的回歸系數(shù)作為參數(shù)初值，WLAD-LASSO,WLAD-CATREG和WLAD-SCAD根據(jù)數(shù)據(jù)集穩(wěn)健位置估計量、數(shù)據(jù)集散點估計量和各樣本的穩(wěn)健距離得樣本權重，上述通過加權來提高穩(wěn)健性的回歸特征選擇方法都是先計算好樣本損失函數(shù)權重，再進行特征選擇和學習器訓練，樣本權重在整個算法執(zhí)行過程中固定不變，故它們無法在特征選擇和學習器訓練過程中根據(jù)學習效果多次自主修改權重來進一步提高算法性能，算法自適應能力不佳.此外，針對現(xiàn)有回歸特征選擇方法當數(shù)據(jù)集含異常
計算機研究與發(fā)展 2019年8期2019-07-30
- 三角恒等變換綜合演練A 卷
.2時，模型回歸系數(shù)趨于穩(wěn)定;長三角城市群模型嶺回歸中，參數(shù)k=0.12時，回歸系數(shù)趨于穩(wěn)定;珠三角城市群模型嶺回歸中，參數(shù)k=0.08時，回歸系數(shù)趨于穩(wěn)定。23.已知tanB=2 tanA，且cosAsinB=，則24.已知α為第二象限角，則的值為（ ）。A.32 B.16C.8 D.4二、填空題26.已知點P（3 cosθ，sinθ）在直線l：x+3y=1上，則sin 2θ=____。27.sin135°cos（-15°）+cos 225°sin15°
中學生數(shù)理化·高一版 2019年6期2019-06-19
- HIV/AIDS預后的Aalen模型分析
各時間點累積回歸系數(shù)估計值的加權總和，可以用來檢驗各協(xié)變量有無統(tǒng)計學意義。若TST>0，表明協(xié)變量的整體效應為危險因素；反之，則為保護因素。1.2.2 分段回歸模型 利用分段回歸模型[7]尋找累積回歸系數(shù)隨時間變化的拐點，其方程結構如下：其中，y為因變量，x為自變量，ε為隨機誤差，k為拐點，β1和β2分別表示拐點前后的回歸系數(shù)?；谧畲笏迫环ǖ脑砬蟮霉拯c：分別計算每個自變量所給出的分段回歸模型似然值，若自變量在k處使得模型取得最大似然值，則k為拐點。通過
鄭州大學學報（醫(yī)學版） 2019年2期2019-04-03
- 多元線性回歸的估值漂移及其判定方法
互關系，以及回歸系數(shù)的相關情況等。為了檢驗回歸方程的擬合程度，通常采用復相關系數(shù)和復判定系數(shù)來進行判定，復相關系數(shù)和復判定系數(shù)越趨近于1，說明因變量和自變量的線性關系越密切，回歸方程的擬合程度越高，回歸有效性越好。文獻[1]詳細敘述了最小二乘法(LS法)在多元線性回歸分析中的應用研究，以及相關系數(shù)等的計算。文獻[2]運用仿真實驗的方法，在多元線性回歸分析中，通過回歸系數(shù)估值的相對真誤差發(fā)現(xiàn)，在應用LS法解算多元線性回歸系數(shù)時，總會有回歸系數(shù)估值明顯偏離其真
統(tǒng)計與決策 2018年14期2018-08-22
- 響應傾向得分匹配插補法
模型(6)的回歸系數(shù)，得到m組回歸系數(shù)估計值，記為。對m組回歸系數(shù)分別取均值，即:3，4)作為模型(6)的系數(shù)估計值。重復上述過程200次，得到200組系數(shù)估計值，計算回歸系數(shù)估計的偏差和均方誤差作為插補法優(yōu)良性的評價指標。偏差是回歸系數(shù)估計值與真值之差的平均數(shù)，均方誤差為回歸系數(shù)估計值與真值之差值平方的平均數(shù)。為了對比分析，這里也給出了采用基于歐式距離的最近鄰插補法、傾向得分匹配插補法和回歸插補法的模擬結果。結果顯示在完全隨機無回答機制下和隨機無回答機制
統(tǒng)計與信息論壇 2018年8期2018-08-15
- 嶺回歸分析
推導出的估計回歸系數(shù)的計算公式作一下校正，使回歸系數(shù)更穩(wěn)定。1.2 嶺回歸分析應用的場合當自變量之間存在較強的多重共線性時，求得的多重線性回歸模型很不穩(wěn)定；尤其是某些自變量前回歸系數(shù)的正負號與實際問題的專業(yè)背景不吻合。此時，嶺回歸分析有可能較好地解決前述提及的問題。1.3 嶺回歸分析的原理多重線性回歸方程的回歸系數(shù)可以表示為β=(X'X)-1X'Y(1)β(k)=(X'X+kIm)-1X'Y(2)即在矩陣X'X的主對角線元素上加上一個非負因子k，其中Im為
四川精神衛(wèi)生 2018年3期2018-07-14
- 穩(wěn)健回歸分析
對應的總體偏回歸系數(shù)，ε為隨機誤差，常假定其服從正態(tài)分布。偏回歸系數(shù)βi(i=1,2,…,m)表示在其他自變量固定不變的情況下，Xi每改變一個測量單位時所引起的因變量Y的平均改變量。多重線性回歸模型的樣本回歸方程可以表示為：(2)如何求出模型(1)中的參數(shù)(包括截距項和回歸系數(shù))呢？當資料滿足一些前提條件(例如模型的誤差項服從正態(tài)分布、自變量互相獨立、不存在嚴重的異常點)時，只需要采取普通的最小二乘法(簡稱OLS估計法，也叫做最小平方法)來構造求解回歸系數(shù)
四川精神衛(wèi)生 2018年3期2018-07-14
- 一種局部多項式時空地理加權回歸方法
估計方法估算回歸系數(shù)值和擬合值[4-5]。實踐證明時空地理加權回歸是探測時空非平穩(wěn)特征的有效方法，應用廣泛。文獻[6]采用時空地理加權回歸方法，在考慮了房價自身影響的情況下，研究了深圳市房價的時空非平穩(wěn)變化情況；文獻[7]利用時空地理加權回歸方法建立了美國馬里蘭州巴爾的摩縣的土地利用時空變化模型；文獻[8]和[9]利用時空地理加權回歸方法，研究了PM2.5、PM10的時空非平穩(wěn)特征。GTWR的加權最小二乘估計方法是在隨機項方差相同且最小的假設條件下估計回歸
測繪學報 2018年5期2018-06-05
- 基于生產(chǎn)函數(shù)模型的地區(qū)經(jīng)濟發(fā)展影響因素分析
歸模型，利用回歸系數(shù)可以定量分析出影響畢節(jié)市經(jīng)濟發(fā)展的主要因素，最后利用回歸系數(shù)的假設檢驗分析結果的正確性，并對畢節(jié)市經(jīng)濟發(fā)展給出一定的建議。關鍵詞：柯布-道格拉斯生產(chǎn)函數(shù)；多元線性回歸模型；回歸系數(shù)；假設檢驗中圖分類號：O29文獻標識碼：Adoi：10.19311/j.cnki.16723198.2017.30.0051影響經(jīng)濟發(fā)展的主要因素1.1資產(chǎn)投資經(jīng)濟發(fā)展規(guī)律告訴我們，資產(chǎn)投資尤其是固定資產(chǎn)投資是推動經(jīng)濟發(fā)展的重要手段之一，是經(jīng)濟持續(xù)增長的內(nèi)在動
現(xiàn)代商貿(mào)工業(yè) 2017年30期2018-01-22
- 關于國家各地區(qū)城鎮(zhèn)就業(yè)情況的實證分析
：聚類分析；回歸系數(shù)；樹狀圖引言近幾年來，高校畢業(yè)生就業(yè)領域取向明顯向大城市、經(jīng)濟發(fā)達地區(qū)集中，地域結構性矛盾相當突出。以上海海事大學2016年研究生調(diào)查問卷為例，“畢業(yè)后最理想的就業(yè)城市”的結果仍然是上海、深圳以及北京等一線城市。根據(jù)這一現(xiàn)狀，本文針對就業(yè)情況，先用聚類分析方法中的系統(tǒng)聚類法進行分類，將全國各地區(qū)進行劃分。然后再對原始數(shù)據(jù)進行回歸分析，得出各變量與就業(yè)人數(shù)的回歸關系。就業(yè)情況影響因素實證分析數(shù)據(jù)及其來源本文選取國家統(tǒng)計局、中國統(tǒng)計年鑒20
南方企業(yè)家 2018年2期2018-01-19
- 我國上市公司業(yè)績預告前融資融券與內(nèi)幕交易關系的牛熊市比較
易程度之間的回歸系數(shù)大于熊市融資買入額與內(nèi)幕交易程度之間的回歸系數(shù)；業(yè)績預告是壞消息的條件下，牛市融券賣出量與內(nèi)幕交易程度之間的回歸系數(shù)大于熊市融券賣出量與內(nèi)幕交易程度之間的回歸系數(shù)。業(yè)績預告；融資融券；內(nèi)幕交易；牛熊市投資者在牛市和熊市的投資情緒不同，牛市情緒高漲，可能更喜歡融資買入；熊市情緒低落，可能更喜歡融券賣出。本文從簡潔實用、方便計算的角度出發(fā)，根據(jù)上證綜合指數(shù)漲跌幅及成交量來判斷牛熊市。2011年上證綜合指數(shù)漲跌幅為-21.68%，成交量為24
金融經(jīng)濟 2017年18期2017-11-01
- 電導法協(xié)同Logistic方程進行6種蘋果砧木抗寒性的比較
率與溫度間的回歸系數(shù)，并采用Logistic方程計算各植物的臨界致死低溫，同時對各植物低溫處理后枝條橫斷面進行觀察。結果表明，隨著溫度的降低，參試植物電解質(zhì)外滲率均逐漸增加，其中紅果海棠的電解質(zhì)外滲率增加的幅度最大，其回歸系數(shù)達-7.78；其次是西府海棠，為-6.67；而八棱海棠最小，為-2.86。根據(jù)各低溫處理后橫斷面的表現(xiàn)可以看出，八棱海棠的受害程度最輕，紅果海棠的受害程度最重。各植物的臨界致死溫度分別為：紅果海棠-23.2 ℃、西府海棠-27.3 ℃
江蘇農(nóng)業(yè)科學 2017年10期2017-07-21
- 電導法協(xié)同Logistic方程進行6種蘋果砧木抗寒性的比較
率與溫度間的回歸系數(shù)，并采用Logistic方程計算各植物的臨界致死低溫，同時對各植物低溫處理后枝條橫斷面進行觀察。結果表明，隨著溫度的降低，參試植物電解質(zhì)外滲率均逐漸增加，其中紅果海棠的電解質(zhì)外滲率增加的幅度最大，其回歸系數(shù)達-7.78；其次是西府海棠，為-6.67；而八棱海棠最小，為-2.86。根據(jù)各低溫處理后橫斷面的表現(xiàn)可以看出，八棱海棠的受害程度最輕，紅果海棠的受害程度最重。各植物的臨界致死溫度分別為：紅果海棠-23.2 ℃、西府海棠-27.3 ℃
江蘇農(nóng)業(yè)科學 2017年10期2017-07-21
- 內(nèi)部控制質(zhì)量的優(yōu)勢富集效應
——基于審計質(zhì)量與審計收費雙重角度
位值的增大,回歸系數(shù)皆逐漸增大,說明上市公司內(nèi)部控制質(zhì)量這一“優(yōu)勢”越突顯,其放大到審計質(zhì)量和50%分位數(shù)以上的審計費用的作用越明顯。從而驗證了在審計質(zhì)量和審計費用的雙重視角下,優(yōu)勢富集效應的存在。加強企業(yè)對高質(zhì)量內(nèi)部控制優(yōu)勢富集效應的研究,有助于強化企業(yè)提高其內(nèi)部控制質(zhì)量的意愿,外部管制和內(nèi)在驅動雙管齊下,最終達到上市公司內(nèi)部控制質(zhì)量的根本提升。這是本文希望做出的第二個貢獻。二、假設提出優(yōu)勢富集效應探討了系統(tǒng)成型和演化規(guī)律。優(yōu)勢建立、優(yōu)勢突顯和優(yōu)勢富集是
中央財經(jīng)大學學報 2017年7期2017-07-05
- 直線回歸中回歸系數(shù)公式推導的教學研究
)直線回歸中回歸系數(shù)公式推導的教學研究武兆云1， 楊慧娟1， 張 丹2， 張小全1， 丁永樂1， 楊鐵釗1(1.河南農(nóng)業(yè)大學 煙草學院，河南 鄭州 450002； 2.河南農(nóng)業(yè)大學 農(nóng)學院，河南 鄭州 450002)回歸系數(shù)的計算是直線回歸的關鍵一步，而其公式結構復雜，因此掌握其推導過程尤為重要.提出了直線回歸中回歸系數(shù)公式推導的邏輯思路和方法，并提出了教學建議.直線回歸；回歸系數(shù)公式；回歸截距；乘積和；離均差平方和；推導過程0 引言直線回歸是農(nóng)業(yè)類高等院
河南教育學院學報（自然科學版） 2017年1期2017-04-12
- 兒童哮喘危險因素的病例對照研究
種反應及癥狀回歸系數(shù)β3.2，X2 9.25，OR 31.5，95%置信區(qū)間3.62～295.5；過敏性鼻炎回歸系數(shù)β3.3，X2 31.5，OR 32.7，95%置信區(qū)間9.2～119.6；家族病史情況回歸系數(shù)β 2.5，X2 18.4，OR 15.6，95%置信區(qū)間 4.5，95%置信區(qū)間上限 41.3；是否有濕疹病史回歸系數(shù)β 2.5，X217.3，OR 13.4，95%置信區(qū)間 3.8，95%置信區(qū)間上限 38.4；上感次數(shù)回歸系數(shù)β 2.4，X2
中國醫(yī)藥指南 2017年2期2017-01-15
- 基于Wald檢驗實現(xiàn)Cox回歸中自變量影響大小的推斷*
比較標準化偏回歸系數(shù)大小的做法，提出借助Wald檢驗進行排序，并用小細胞肺癌患者隨訪研究的實例加以說明。方法借鑒SNK多重比較法的比較策略，以盡可能少的比較次數(shù)，使用Wald檢驗對樣本標準化回歸系數(shù)進行假設檢驗，從而探討總體標準化回歸系數(shù)之間的關系，形成依影響大小排序的若干子集。結果選入模型的4個變量被劃分在2個子集內(nèi)，可認為第1子集中的自變量（實例中的腫瘤大小、年齡）對預后的影響小于第2子集中的自變量（神經(jīng)元特異性烯醇化酶），自變量癌胚抗原對預后的影響介
中國衛(wèi)生統(tǒng)計 2016年6期2017-01-10
- 關于相對數(shù)的一些思考
依變化規(guī)律的回歸系數(shù)就不是兩個指標，而是三個指標加入計算。由它們的計算公式：相關系數(shù)r=b·σx/σy回歸系數(shù)b=r·σx/σy可以看出，相關系數(shù)的計算，除了用兩個相關變量的標準差對比，還用到了回歸系數(shù)，同樣，回歸系數(shù)的計算除了用兩個變量的標準差對比，還用到了相關系數(shù)。這就突破了原來的六種相對數(shù)只是兩個指標對比的算法。三、六種相對數(shù)以外，有沒有其他種類的相對數(shù)事實上，已成定論的六種相對數(shù)并沒有涵蓋所有相對數(shù)。無論在統(tǒng)計理論或是在統(tǒng)計實踐中，都存在不少獨立于
都市家教·下半月 2016年11期2016-12-29
- 取代乙烷交叉式與重疊式穩(wěn)定性的密度泛函理論研究
ΔE)的相關回歸系數(shù)最高(R2=0.95)，交換能差值(ΔEx)與 ΔE相關回歸系數(shù)次之(R2=0.93)。選擇 ΔEc與ΔEx對ΔE進行多元線性擬合，得到其相關回歸系數(shù)(R2=0.95)，再用擬合公式計算 ΔE(實際), 并與計算得到的 ΔE(理論)進行線性擬合, 得到其相關回歸系數(shù)R2=0.95。我們認為, 交叉式取代乙烷的構象穩(wěn)定性主要起源于其分子內(nèi)的相關能(Ec)和交換能(Ex)作用。取代乙烷； 交叉式； 重疊式； 穩(wěn)定性； 密度泛函在藥物分子設計
當代化工 2016年3期2016-12-20
- 二次指數(shù)平滑預測模型回歸系數(shù)計算方法探討
平滑預測模型回歸系數(shù)計算方法探討陳武1，張山江1，侯春華1，陳塵2，曾李晨1（1.西南石油大學經(jīng)濟管理學院，成都610500；2.中石油西南油氣田勘探開發(fā)研究院，成都610000）針對二次指數(shù)平滑預測模型回歸系數(shù)的計算原理和方法，文章對傳統(tǒng)的二次指數(shù)平滑預測模型中的回歸系數(shù)的計算進行推導，得到二次指數(shù)平滑預測模型回歸系數(shù)的另外一種計算方法。改進后的二次指數(shù)平滑預測模型中的回歸系數(shù)是等價的，而改進后的二次指數(shù)平滑預測模型回歸系數(shù)的計算既簡單也便于記憶。預測；
統(tǒng)計與決策 2016年19期2016-12-09
- 帶有等相關誤差結構生長曲線模型的參數(shù)boo tstrap檢驗
生長曲線模型回歸系數(shù)的檢驗問題，構造了參數(shù)bootstrap(PB)檢驗統(tǒng)計量和相應的PB檢驗，并與已有的廣義p值(GP)檢驗進行了比較。模擬研究表明，PB方法和GP方法在單處理組情形下的表現(xiàn)趨于一致，均能很好的控制第一類錯誤率；在多處理組情形下，GP方法在一些情形下不能很好地控制犯第一類錯誤的概率，而PB方法則在很好地保證檢驗名義水平的前提下，同時也具有良好的勢表現(xiàn)。生長曲線模型；重復觀測；bootstrap重抽樣；廣義p值0 引言生長曲線模型在生物學、
統(tǒng)計與決策 2016年19期2016-12-09
- 基于正則化回歸的組學數(shù)據(jù)變量篩選方法*
礎上增加懲罰回歸系數(shù)的正則項。記β=(β1,β2,…,βm)為回歸系數(shù)，m為總自變量的個數(shù)，則在線性回歸中，通過最小化損失函數(shù)可以得出對應模型的回歸系數(shù)估計值(1)其中‖·‖2是L2范數(shù)，表示向量各元素平方和的平方根，該式表示取右端函數(shù)最小值的模型參數(shù)，這實際是傳統(tǒng)的最小二乘估計。當變量個數(shù)較多時，利用該式估計得出的回歸模型存在過擬合的風險，正則化則可以在保留所有特征變量的情況下，避免過擬合的發(fā)生，其基本原理是通過增加的正則項，減少所有特征變量回歸系數(shù)估計
中國衛(wèi)生統(tǒng)計 2016年4期2016-10-26
- 基于穩(wěn)健偏最小二乘法的諧波發(fā)射水平估計
最小二乘求解回歸系數(shù)，即系統(tǒng)側諧波阻抗。該方法保留了偏最小二乘法在自變量存在相關性的條件下仍然能夠回歸建模的優(yōu)點，同時有效克服了偏最小二乘法由于對異常值敏感而導致建模結果不準確的缺陷。通過仿真分析和實際工程算例驗證了該方法的準確性和有效性。關鍵詞：穩(wěn)健偏最小二乘回歸；異常值；回歸系數(shù)；系統(tǒng)諧波阻抗；諧波發(fā)射水平現(xiàn)在，一方面快速發(fā)展的現(xiàn)代社會對電能質(zhì)量的要求越來越高，而另一方面，大量非線性工業(yè)用戶以及電力電子裝置接入電網(wǎng)，產(chǎn)生了大量諧波，這些諧波的產(chǎn)生將給電
電力系統(tǒng)及其自動化學報 2016年6期2016-08-11
- 取代乙烷交叉式與重疊式穩(wěn)定性的密度泛函理論研究
ΔE）的相關回歸系數(shù)最高（R2=0.95），交換能差值（ΔEx）與 ΔE相關回歸系數(shù)次之（R2=0.93）。選擇 ΔEc與ΔEx對ΔE進行多元線性擬合，得到其相關回歸系數(shù)（R2=0.95），再用擬合公式計算ΔE（實際）， 并與計算得到的ΔE（理論）進行線性擬合， 得到其相關回歸系數(shù)R2=0.95。我們認為， 交叉式取代乙烷的構象穩(wěn)定性主要起源于其分子內(nèi)的相關能（Ec）和交換能（Ex）作用。關 鍵 詞：取代乙烷； 交叉式； 重疊式； 穩(wěn)定性； 密度泛函中圖分
當代化工 2016年3期2016-07-10
- 基于偏差補償最小二乘的諧波發(fā)射水平估計方法
二乘算法求解回歸系數(shù)；提取對因變量解釋性最強的綜合變量，辨識系統(tǒng)中的信息和噪聲，更好地克服變量相關性在系統(tǒng)建模中的影響。由回歸系數(shù)映射出系統(tǒng)諧波阻抗，進而計算出用戶的諧波發(fā)射水平。通過實驗電路仿真分析驗證了該方法的有效性。關鍵詞：諧波阻抗；諧波發(fā)射水平；偏差補償最小二乘；回歸系數(shù)Project suPPorted bY the Nationa1 Natura1 Science Foundation of China（51267012）；the Nation
電網(wǎng)與清潔能源 2016年4期2016-06-08
- 原發(fā)性癲癇患者認知功能障礙的臨床特征及相關因素分析
育年限（標化回歸系數(shù)＝0.532）、發(fā)作時間（標化回歸系數(shù)＝－0.253）、病程（標化回歸系數(shù)＝－0.227）和用藥數(shù)量（標化回歸系數(shù)＝－0.238）具有相關性（P＜0.05），VIQ與患者受教育年限（標化回歸系數(shù)＝0.627）和用藥數(shù)量（標化回歸系數(shù)＝－0.281）具有相關性（P＜0.05），患者的PIQ與患者的受教育年限（標化回歸系數(shù)＝0.337）、發(fā)作時間（標化回歸系數(shù)＝－0.274）、年齡（標化回歸系數(shù)＝－0.265）和用藥數(shù)量（標化回歸系數(shù)＝－0
中國實用神經(jīng)疾病雜志 2015年24期2015-07-05
- 綜合c－k 條件嶺估計的進一步研究①
=0}為未知回歸系數(shù)向量.本文假設X 的秩r(X)=p，H 的秩r(H)=q，均為列滿矩陣.在齊次等式約束的線性模型(1)下，β 的約束最小二乘估計(RLSE)為，其中多年以來，許多學者為改進RLSE 降低其均方誤差，在有偏估計類中得到一些合理的估計.本文在《綜合c－K 條件嶺估計及其優(yōu)良性》中得到優(yōu)良性等性質(zhì)的基礎上進一步研究，證明其可容許性，并給出其迭代解，從而使此估計更加完善.1 綜合c－K 條件嶺估計定義1 對模型(1)齊次等式約束線性回歸模型回歸
佳木斯大學學報（自然科學版） 2015年4期2015-04-14
- Aalen模型在醫(yī)學研究中的應用
的特征就是其回歸系數(shù)是隨時間變化的函數(shù)，這種函數(shù)沒有特定的形式，也不依賴任何參數(shù)假定。相對于Cox模型的半?yún)?shù)本質(zhì)，Aalen模型是非參的，適合用于模型中含隨時間變化的協(xié)變量效應的研究。原理與方法Aalen模型的基本形式如下［4］：其中α0（t）是基線函數(shù)，Zj（t）是第j個協(xié)變量在t時刻的值。αj（t），j＝1，…，k是回歸參數(shù)，其作用等價于Cox模型中的回歸系數(shù)。在實際中，直接估計αj（t）是困難的，因而轉向估計與其等價的累積回歸系數(shù)，定義如下：假設數(shù)
中國衛(wèi)生統(tǒng)計 2015年2期2015-03-09
- 淺談江蘇省高校教育之收費問題
了該模型中的回歸系數(shù)，我們考慮到地域、學校的不同對學費制定的影響，再次對該模型進行優(yōu)化，最終得出了高校教育的學費制定標準。關鍵詞：多元線性回歸模型；回歸系數(shù)；最小二乘法0 引言隨著我國高等教育的持續(xù)發(fā)展，高校教育的收費問題成為了熱點，江蘇省作為一線城市自然成為了關注的焦點，如果高校收費過高，會使許多低收入家庭難以承擔；截止到2014年，江蘇省普通本科院校平均費用達到了6000～7000元，但是由于中等居民的人均收入為12202元，用于教育的大約占總收入一半
山東工業(yè)技術 2014年18期2014-04-29
- 城鎮(zhèn)居民收入差距主要因素回歸分析
；回歸方法；回歸系數(shù)中圖分類號：F124.7 文獻標識碼：A 文章編號：2095-6835（2014）03-0107-02在計劃經(jīng)濟向市場經(jīng)濟轉軌后，城鎮(zhèn)居民收入特征發(fā)生根本的變化，收入來源多樣化，居民財產(chǎn)性和投資性收入比重增加等。隨著行業(yè)壟斷的形成，金融市場和區(qū)域經(jīng)濟趨于成熟，城鎮(zhèn)居民間的收入差距不斷擴大。從表1可以看出，從1990—2008年，廣東省城鎮(zhèn)居民各階層收入所占比重狀況分別是最低收入階層、低收入階層、中偏下收入階層和中等收入階層的可支配收入占
科技與創(chuàng)新 2014年3期2014-04-14
- 缺失森林算法在缺失值填補中的應用
方法計算出的回歸系數(shù)為b1，用完整數(shù)據(jù)集計算出的回歸系數(shù)為b2，則相對誤差為（b1-b2）/b2×100%。優(yōu)：填補后各回歸系數(shù)的相對誤差的絕對值≤10%；良：填補后各回歸系數(shù)相對誤差的絕對值≤20%；中：填補后各回歸系數(shù)的絕對值≤50%；差：填補后各回歸系數(shù)相對誤差的絕對值＞50%。（2）評價標準計算等級順位累加構成比（優(yōu)＋良），如果累加優(yōu)良率相同，可以參考相對誤差的大??；如果填補后有回歸系數(shù)相對誤差＞50%，則填補估算失效。（3）填補結果當缺失率為10
中國衛(wèi)生統(tǒng)計 2014年5期2014-03-10
- 一元非線性回歸方程系數(shù)的通解
LS法）計算回歸系數(shù)。本文討論了一元非線性回歸模型的通解，并以九種相對常見的一元非線性模型為例，給出了它們回歸系數(shù)解的具體表達式。一元非線性回歸；回歸系數(shù)；通解0.引言回歸分析作為一種最基礎、最重要的統(tǒng)計分析方法,在眾多學科領域包括測繪[1]領域得到了重要而廣泛的應用。在建立實驗模型和理論模型的檢驗系統(tǒng)中，回歸分析起著不可或缺的作用。在統(tǒng)計學中，回歸分析包括進行建模和分析幾個變量的任何技術，其焦點在于一個因變量和一個或多個自變量之間的關系。根據(jù)自變量和因變
經(jīng)緯天地 2014年6期2014-03-08
- 線性模型廣義最小二乘估計的中偏差、重對數(shù)律與相對效率
回歸模型:設回歸系數(shù)的先驗假定:是錯誤指定的, 正確的先驗分布滿足條件:1 廣義最小二乘估計的中偏差及重對數(shù)率1.1 基本引理模型(1)滿足條件[3]:引理1 文獻[3]中定理2.1, 在條件A1與A2下, 如果又滿足條件:引理2 文獻[3]中定理3.1,在條件A1與A2下, 又假定:1.2 主要命題及結論命題1和命題2證明了線性模型(6)滿足文獻[3]的2個條件A1與A2.定理1 在條件B1及B2下, 如果滿足條件:定理2 在條件B1及B2下,又假定:證
湖南文理學院學報(自然科學版) 2013年1期2013-05-13
- On Commuting Graph of Group Ring ZnS3?
部地區(qū)收入的回歸系數(shù)要高于中西部地區(qū)，說明東部地區(qū)社會地位的提高更依賴于收入的提高；但是中西部地區(qū)健康的回歸系數(shù)要高于東部地區(qū)，意味著中西部地區(qū)健康對社會地位的影響更大。此外，東部地區(qū)房產(chǎn)的回歸系數(shù)要高于中西部地區(qū)，表示東部地區(qū)居民對房產(chǎn)有更高的偏好。Case 1.Forα=(α1,α2)∈Z6S3,β=(β1,β2)∈Z6S3,whereα1∈V(Z2S3),α2∈Z(Z2S3),β1∈Z(Z3S3),β2∈V(Z3S3),thenα—βis an ed
- 齊次等式約束線性回歸模型回歸系數(shù)的綜合條件嶺估計
束線性模型下回歸系數(shù)的條件根方估計[J]．沈陽師范學院學報,1999,15(4):13-19．[2] 史建紅．約束線性回歸模型回歸系數(shù)的條件嶺型估計[J]．山西師范大學學報：自然科學版,2001,15(4):10-16．[3] 農(nóng)秀麗,彭展聲．約束線性回歸模型回歸系數(shù)的廣義條件嶺估計[J]．湘南學院學報：自然科學版,2008,29(5):28-30．[4] 林 路．回歸系數(shù)的綜合嶺估計[J]．數(shù)理統(tǒng)計與應用概率,1996,11(3):179-184．[5]
湖南師范大學自然科學學報 2012年2期2012-11-22
- 截尾分位數(shù)回歸及其在生存分析中的應用*
00個樣本的回歸系數(shù)的均數(shù)和標準差。模擬結果見表1。表格中出現(xiàn)缺項的原因是因為隨著截尾比例的不斷增加，越來越多的截尾生存時間會隨機地出現(xiàn)在生存時間分布的上游，直到觀察結束時，生存率未降到0，即生存分布不完全，無法估計高分位數(shù)水平對應的回歸方程。模擬結果顯示:對滿足比例風險假定和對數(shù)線性假定的數(shù)據(jù)，Cox比例風險回歸模型和截尾分位數(shù)回歸模型擬合的回歸系數(shù)與真值1非常接近，估計效率也相似。由于資料中不存在異質(zhì)問題，所以不同分位數(shù)水平對應的回歸系數(shù)非常接近。隨著
中國衛(wèi)生統(tǒng)計 2011年2期2011-03-11
- 多元線性回歸系數(shù)的圖形解析
線形象直觀，回歸系數(shù)的解釋也通俗易懂。多元線性回歸的數(shù)學模型及變量間的關系相對復雜，其回歸系數(shù)常被解釋為“在固定其他自變量或扣除其他自變量影響時，Xi每改變一個單位時應變量Y的平均變化量”。但究竟如何固定或扣除，以及扣除的回歸貢獻的去向，各類參考書籍中少有提及。筆者以鄭俊池教授制作的多元線性回歸教學模型(圖1)為基礎，剖析了多元線性回歸與簡單線性回歸函數(shù)圖像的空間投影關系，進而給出了有關多元線性回歸系數(shù)固定或扣除含義的圖形解釋〔1〕。1．知識回顧簡單線性回
中國衛(wèi)生統(tǒng)計 2011年1期2011-03-11
- 復雜抽樣下截取因變量回歸系數(shù)方差估計的模擬研究*
σ2)，估計回歸系數(shù)常用的是最大似然法，似然函數(shù)的表達式如下:上述方法是針對于簡單隨機樣本而言的，對于復雜抽樣數(shù)據(jù)應考慮更恰當?shù)奶幚矸椒ǎ绫敬窝芯坎捎玫膮?shù)及其方差估計方法是泰勒級數(shù)法。泰勒級數(shù)法的基本思想就是通過泰勒級數(shù)展開式用線性估計去逼近非線性估計，給出方差這個非線性估計量的一個近似估計。然而泰勒級數(shù)法本身不能獨自地用于方差估計的構造，它只是提供了非線性估計量的一種線性逼近算法，有時需要結合其他的復雜抽樣(刀切法、平衡半樣本法等)技術進行分析〔4，
中國衛(wèi)生統(tǒng)計 2011年1期2011-03-11
- 中國上市公司股權結構與企業(yè)績效關系的實證研究＊
對 ROE的回歸系數(shù)為 0.07,對EPS的回歸系數(shù)為 0.002,兩個回歸系數(shù)都為正,然而都沒有通過顯著性檢驗,因此無法證實第一大股東的持股比例與企業(yè)的績效是正相關的。CR3對 ROE的回歸系數(shù)為 0.0766,且在 10%水平上顯著,對 EPS的回歸系數(shù)為 0.0036,且在1%水平上顯著,說明前三大股東的持股比例與企業(yè)的績效正相關;CR5對 ROE的回歸系數(shù)為 0.0916,在 10%水平上通過了顯著性檢驗,對 EPS的回歸系數(shù)為 0.0049,在
長沙大學學報 2010年1期2010-11-07
- 平衡損失下帶約束的回歸系數(shù)的線性容許估計
量e的方差。回歸系數(shù) β的最小二乘估計?β ?(X′X)-1X′Y 定義為使達到最小的d值,最小值是建立后模型的一種擬合優(yōu)度。對于?β的統(tǒng)計性質(zhì),人們主要是從估計的精度來考慮它的優(yōu)良性。從統(tǒng)計判決理論角度看,就是在損失函數(shù)下,選取使風險達到最小的估計。作為(2)式和(3)式2種標準的綜合,文獻[1]提出了一個新的稱為平衡損失函數(shù)的標準,即其中,w∈[0,1]已知。(4)式既考慮了估計的精度,又考慮了模型擬合的優(yōu)良程度,所以它是一個更全面和合理的標準。采用(
合肥工業(yè)大學學報（自然科學版） 2010年1期2010-10-25