APP下载

基于广义线性模型的主成分估计及实例分析

2015-09-09杨幼玲

关键词:分析模型

杨幼玲

(东北林业大学)

1 预备知识

广义线性模型是经典线性模型的自然推广,它假设因变量为非连续变量,因而实用性较经典线性模型更为广泛.目前对广义线性模型的研究主要集中它的参数估计问题上,当自变量之间存在复共线性时,如果仍然按照原来的参数估计方法进行建模的话,就会带来很大的误差.为了解决这个问题,消除复共线性带来的影响才使得得出的参数估计更为稳定,更符合实际情况的需要,本文将主成分估计应用到广义线性模型中去,并分析其在参数估计较最大似然估计的优越性.

定义1.1[1]设因变量Y和自变量X1,X2,…,Xp的观测值,若

(i)Y1,Y2,…,Yn相互独立,且对每个i,Yi服从指数分布,即

(ii)设ui为对应的Yi的数学期望值(i=1,2,…,n),存在单调且可导函数g使得ηi=g(ui)=

则称Y与X1,X2,…,Xp服从广义线性模型.

文献[1]中已经给出了广义线性模型的最大似然估计的方法,加权最小二乘法、Newton-Raphson迭代法、Fisher标分法,迭代的结果为

定义1.2[1]若存在不全为0的p个数c1,…,cp使得c1xi1+c2xi2+…+cpxip≈0,i=1,…,n,则称自变量x1,x2,…,xp之间存在复共线性.

当自变量间存在多重共线性关系时,回归分析的结果将受到影响,使得估计值极不稳定,造成一个因素可能取代另一个因素,或几个因素之间相互抵消对因变量的影响,使原来有显著性的因素变得无显著性,而使计算结果变得难以解释.在广义线性模型中,为了克服复共线对自变量造成的影响,在最大似然估计的基础上,对参数估计进行改进引入了主成分估计到广义线性模型中.

2 广义……
登录APP查看全文

猜你喜欢

分析模型
一半模型
隐蔽失效适航要求符合性验证分析
重尾非线性自回归模型自加权M-估计的渐近分布
电力系统不平衡分析
电力系统及其自动化发展趋势分析
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
中西医结合治疗抑郁症100例分析
在线教育与MOOC的比较分析
一个相似模型的应用