直接观测值回归与间接观测值回归方法的应用研究

发布时间：2017-08-27 22:05

  本文关键词：直接观测值回归与间接观测值回归方法的应用研究

  更多相关文章： 非线性回归 线性回归 间接观测值回归 直接观测值回归 方法比较

【摘要】：非线性回归分析作为一种重要的、有效的数据处理方法，在测绘学、环境学、经济学、生物医学、地震预测和语音信号处理等相关领域得到了广泛的应用。常用的非线性回归模型中，大部分可以通过适当的数学变换转换成线性回归模型来进行参数估计，称这类模型为可线性化模型；有些非线性模型则无法通过数学变换的方式转换成线性模型，称这类模型为不可线性化模型。国内外学者在如何处理非线性回归模型上进行了大量研究并提出了多种非线性回归方法。 可线性化模型的基本计算方法是通过适当的数学变换将非线性模型转换成线性模型，，然后用最小二乘法计算回归系数。将非线性模型转换成线性模型有两种回归方法：一种是经过线性化后，以间接观测值，即直接观测值的函数作为因变量，这是常用的方法，称其为间接观测值回归；另一种是经过线性化后，以直接观测值作为因变量，称其为直接观测值回归。 本文提出了非线性回归模型的直接观测值回归方法，给出了九种相对常见的一元非线性回归模型（指数函数、幂函数、正态分布函数、生长函数、双曲线函数、生长曲线函数、复合曲线函数、S形曲线函数和Logistic曲线函数）的直接观测值回归模型。并以指数函数、幂函数、正态分布函数、生长函数和双曲线函数为例，采用仿真实验方法，讨论了直接观测值回归和传统的间接观测值回归的异同点，进而确定了应用于一元非线性回归的线性化处理中相对更为有效的回归方法。 本文的研究表明，间接观测值回归和直接观测值回归具有相同形式的函数模型和回归方程。然而，它们的线性化方式不同，线性化方式的不同导致了这两种回归方法结果间的差异。仿真实验结果表明：当观测值之间的数值差异较小时，间接观测值回归的结果近似于直接观测值回归的结果。当观测值之间的数值差异较大时，间接观测值回归的结果和直接观测值回归的结果差异很显著，且直接观测值回归的结果优于间接观测值回归的结果。无论观测值之间的数值差异是小还是大，直接观测值回归都有更好的回归结果。因此，直接观测值回归更实用有效。
【关键词】：非线性回归 线性回归 间接观测值回归 直接观测值回归 方法比较
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：P207
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 绪论10-18
• 1.1 研究目的和选题意义10-11
• 1.2 国内外研究动态11-14
• 1.3 论文的主要内容与组织结构14-18
• 第二章 回归模型概述18-24
• 2.1 线性回归模型的建立18-19
• 2.1.1 一元线性回归模型的建立18
• 2.1.2 多元线性回归模型的建立18-19
• 2.2 非线性回归模型的建立19-24
• 2.2.1 一元非线性回归模型的建立19
• 2.2.2 多元非线性回归模型的建立19-20
• 2.2.3 可线性化的非线性回归模型的建立20-24
• 第三章 参数估计方法的比较指标与仿真实验24-28
• 3.1 两种参数估计方法比较的绝对指标和相对指标24-25
• 3.2 仿真实验25-28
• 3.2.1 仿真实验方法25-26
• 3.2.2 仿真实验流程26-28
• 第四章 直接观测值回归和间接观测值回归的数学模型比较28-44
• 4.1 间接观测值回归和直接观测值回归28
• 4.2 一元线性回归方程的通解28-29
• 4.3 直接观测值回归和间接观测值回归的计算29-41
• 4.3.1 指数函数29-31
• 4.3.2 幂函数31-32
• 4.3.3 正态分布函数32-33
• 4.3.4 生长函数（逻辑函数）33-34
• 4.3.5 双曲线函数34-36
• 4.3.6 生长曲线函数36-37
• 4.3.7 复合曲线函数37-38
• 4.3.8 S 形曲线函数38-40
• 4.3.9 Logistic 曲线函数40-41
• 4.4 本章小结41-44
• 第五章 直接观测值回归和间接观测值回归的算例比较44-52
• 5.1 指数函数回归算例44-46
• 5.2 幂函数回归算例46-48
• 5.3 正态分布函数回归算例48-49
• 5.4 本章小结49-52
• 第六章 直接观测值回归和间接观测值回归的仿真实验比较52-58
• 6.1 仿真实验所采用的数据52
• 6.2 直接观测值回归和间接观测值回归的仿真实验结果52-56
• 6.2.1 指数函数的仿真实验52-53
• 6.2.2 幂函数的仿真实验53-54
• 6.2.3 正态分布函数的仿真实验54-55
• 6.2.4 生长函数（逻辑函数）的仿真实验55-56
• 6.2.5 双曲线函数的仿真实验56
• 6.3 本章小结56-58
• 第七章 总结与展望58-60
• 7.1 论文总结58-59
• 7.2 论文展望59-60
• 参考文献60-66
• 致谢66-68
• 攻读硕士研究生学位期间发表学术论文和参与科研项目68

【参考文献】

中国期刊全文数据库 前10条

1 王丽华，徐兵;简单线性回归模型的分离参数估计方法[J];长春邮电学院学报;1995年04期

2 张麦仓,罗子健,曾凡昌;应用多元非线性回归方法建立FGH95合金的本构关系[J];材料工程;1999年01期

3 李英德;最小二乘法与线性回归[J];昌潍师专学报;1998年05期

4 杨卫锋;曾芳玲;王强;;非线性回归模型参数估计的区间分析方法[J];电子信息对抗技术;2009年06期

5 吴晓华,陈德钊;化学计量学非线性偏最小二乘算法进展评述[J];分析化学;2004年04期

6 孙道德;基于参数估计线性回归模型选择的研究[J];工科数学;2001年05期

7 郑国萍;赵立强;俞百印;李艳坡;;多元线性回归模型参数估计的递推算法及误差分析[J];大学数学;2007年03期

8 赵肖肖;朱宁;黄云腾;;Logistic回归和T检验在基因特征提取中的应用[J];桂林电子科技大学学报;2012年01期

9 景新幸;熊开芳;杨海燕;;一种多元非线性回归模型的发音评测技术[J];大众科技;2012年12期

10 汪奇生;杨德宏;杨根新;;总体最小二乘求解线性回归模型的迭代算法[J];工程勘察;2014年09期

本文编号：746049