期刊文献+

再论线性回归模型的最小二乘估计与线性方程组的解 被引量:2

下载PDF
导出
摘要 当解释变量数目巨大,线性回归模型的最小二乘估计涉及大规模矩阵求逆运算,存在计算困难和误差累积等诸多问题。文章证明,通过适当的正交矩阵对原始样本点实施正交变换,可以将线性回归模型的最小二乘估计过程转化为具有递归形式线性方程组的求解过程,从而避免矩阵逆不存在导致最小二乘估计失效、大规模矩阵求逆运算的困难等,提高参数估计效率。通过算例,从数值模拟结果与几何意义两个方面,论述了回归模型的最小二乘估计与线性方程组的解之间内在联系。
出处 《统计与决策》 CSSCI 北大核心 2014年第6期8-11,共4页 Statistics & Decision
基金 高等学校全国优秀博士学位论文作者专项资金资助项目(200982) 中央高校基本科研业务费专项资金资助项目(2011HGRJ0006 2012HGBZ0189) 山东省自然科学基金资助项目(ZR2010GM005)
  • 相关文献

参考文献2

共引文献4

同被引文献23

  • 1熊浩,李卫国,黄彦浩,张海峰,畅广辉.基于模糊粗糙集理论的综合数据挖掘方法在空间负荷预测中的应用[J].电网技术,2007,31(14):36-40. 被引量:13
  • 2曾鸣.新能源电力系统与能源互联网[N].国家电网报,2015-06-01.
  • 3杨勇平.分布式能源系统[M].北京:化学工业出版社,2011:1-10.
  • 4Kang J, Zhao H. Application of improved grey model in long-term load forecasting of power engineering[J]. Systems Engineering Procedia, 2012(3): 85-91.
  • 5Bashir Z A, E1-Hawary M E. Applying wavelets to short-term load forecasting using PSO-based neural networks[J]. IEEE Transactions on PowerSystems, 2009, 24(1): 20-27.
  • 6Xiao T, Zhu J, Liu T. Bagging and Boosting statistical machine translation systems[J]. Artificial Intelligence, 2013, 195(1): 496-527.
  • 7Harirchi F, Radparvar P, Moghaddam H A, et al. Two-level algorithm for MCs detection in mammograms using diverse-adaboost- SVM[C]//2010 20th International Conference on Pattern Recognition (ICPR). Istanbul, Turkey: IEEE, 2010: 269-272.
  • 8Roman W L, Peter B. Boosting for high-multivariate responses in high-dimensional linear Regression[J]. Statistica Sinica, 2006(16): 471-494.
  • 9Meng M, Niu D, Sun W. Forecasting monthly electric energy consumption using feature extraction[J]. Energies, 2011, 4(10): 1495-1507.
  • 10王想,邓光明,蒋远营.零均值高斯AR(p)模型参数的最小化残差平方和(RSS)下条件最大似然估计及其最优性[J].统计与决策,2009,25(6):35-37. 被引量:2

引证文献2

二级引证文献37

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部