导读:本文包含了多重共线性论文开题报告文献综述及选题提纲参考文献，主要关键词:回归模型,多重共线性,岭回归分析
多重共线性论文文献综述
王飞,孙嘉聪,沈丹[1]（2019）在《多重共线性问题的岭回归实例》一文中研究指出在多元线性回归模型中,变量之间多重共线性的存在十分普遍,但其危害却不容忽视,文章简述了回归模型中多重共线性的一系列问题,并通过实例采用岭回归分析法对经济问题中的多重共线性问题进行了分析.所以研究线性回归中变量之间的多重共线性具有一定的实用价值.(本文来源于《数学学习与研究》期刊2019年20期）
毛雪莲[2]（2019）在《多重共线性问题的偏最小二乘估计》一文中研究指出多重共线性问题是多元线性回归分析中经常遇到的问题,怎么解决这一问题,没有绝对有效的方法,需要针对具体问题具体对待。针对使用时间序列数据建立回归模型的问题,遵循科学性原则,对数据进行可比性转化,之后检验各变量的平稳性及变量间的协整关系。由于建立的协整回归存在多重共线性问题,而采用偏最小二乘法估计模型的参数,得到了较合理的结果。(本文来源于《科技视界》期刊2019年27期）
陆歆怡,陈雪东[3]（2019）在《层次线性模型中多重共线性的诊断》一文中研究指出层次线性模型中的多重共线性问题有时是客观存在的。针对该问题,尝试通过对层次线性模型中参数估计的方差进行分解,并使用赖因施形式和奇异值分解的方法对设计阵与转换阵之间的关系进行论述,根据论述结果可知相对于设计阵,转化阵的奇异值会发生收缩,所以当设计阵不存在多重共线性问题时,可推知转化阵也必定不存在多重共线性问题,从而通过这种转化将层次线性模型中多重共线性的诊断转化为用现有的软件计算方差分解比和条件数就可解决的问题。(本文来源于《佳木斯大学学报(自然科学版)》期刊2019年05期）
王义闹,卢庆华[4]（2019）在《关于多重共线性的叁个知识点的准确表述》一文中研究指出本文对多重共线性的两方面影响作了较准确的表述:一方面影响是"参数的最小二乘估计值的经济意义不合理的可能性较大",另一方面影响是"在做解释变量的显着性检验时犯第二类错误的概率很可能较大";减轻多重共线性影响的一种方法的较准确表述是,剔除相关变量有可能减小保留变量系数的最小二乘估计量的方差.(本文来源于《温州大学学报(自然科学版)》期刊2019年03期）
陈军[5]（2019）在《文氏图在计量统计类课程教学中的应用——以多重共线性内容为例》一文中研究指出文氏图属于集合论数学分支,用于展示不同集合(群组)之间的数学或逻辑关系,常被用于集合(类)运算。文氏图简单形象,便于理解,在计量统计类课程中多有应用。多重共线性的内容在《统计学》《计量经济学》课程中都有涉及,也是教学中的一个重点和难点。在教学实践中,一般采用定义数学方程、矩阵等讲授,通过借助文氏图可有效提高教师的教学效果和学生对此内容的理解掌握。(本文来源于《长沙航空职业技术学院学报》期刊2019年02期）
徐嘉[6]（2019）在《负债分析中的多重共线性问题研究》一文中研究指出网络贷款用户的信用评估问题对互联网借贷公司有着非常重要的意义,本文尝试利用用户特征预测用户未来的负债情况,以对现阶段信用评估问题做出新的贡献。线性回归方法是最经典的统计方法之一,直到今天仍有很多新的改进与探讨。本文将利用线性回归模型对用户的未来负债进行预测并探讨几种方法的优劣对比。在进行多元回归时,多重共线性会导致模型出现很多问题,为减小或消除多重共线性带来的影响,本文主要介绍了传统的有偏估计方法与机器学习方法,研究内容可主要分为以下几个部分:首先,简单回顾了最小二乘法与多重共线性对其造成的影响,并介绍了负债分析的含义、作用及可行性。然后,分两部分分别介绍了用于建立线性回归模型的有偏估计方法和机器学习方法:Liu估计,主成分估计和Lasso估计,支持向量回归机和XGBoost模型。分别讨论了这些方法的相关理论、实现过程以及它们改善多重共线性的原理。最后,获取数据进行实证分析,取2018年5月数据预测用户8月的负债借款情况,得到预测结果并对比几种方法在该情况下的适用性与优劣性,最后给出结论。本文针对负债分析问题,对比了几种线性回归算法的预测效果,为今后的应用提供了实例与依据。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
王义闹,张向文[7]（2019）在《不完全多重共线性定义存在的问题及其修正建议》一文中研究指出本文指出了国内外长期以来在计量经济学、应用回归分析教材中广泛应用的不完全多重共线性定义存在的问题,分析总结出了合理定义不完全多重共线性应该遵循的六个原则.在此基础上给出了解释变量观察值是否存在不完全多重共线性的定义,以及不完全多重共线性强弱的定义,最后指出了教材中讲解欠准确的两个知识点.(本文来源于《温州大学学报(自然科学版)》期刊2019年02期）
滕承秀[8]（2019）在《“营改增”对企业绩效影响的多重共线性检验》一文中研究指出文章基于2014—2017年房地产及建筑业和租赁与商品服务业125家上市企业(均为非ST异常股)的数据对"营业税改增值税"政策对不同行业的企业绩效影响进行多重共线性检验,并就受改革影响程度有明显差异的房地产与建筑业和租赁与商品服务业的分析结果进行比较。结果表明:"营改增"政策对于提高企业绩效有积极的促进作用,且不同行业企业的绩效水平受到的影响不同;"营改增"政策给企业带来的税率和税赋上的变化基本上和企业绩效为负相关的关系。(本文来源于《统计与决策》期刊2019年09期）
魏红燕[9]（2019）在《回归分析中多重共线性的诊断与处理》一文中研究指出在进行回归分析时,经常会遇到回归模型的自变量之间存在着相关关系,这就是多重共线性.当模型存在多重共线性问题,这时用最小二乘法估计参数时得到的模型精度降低,从而模型的稳定性遭到破坏.因此,解决多重共线性是非常必要的.论述了线性回归模型中的多重共线性问题,探讨了多重共线性的诊断方法,然后给出了处理多重共线性的解决办法,并针对岭回归法和主成分回归法结合实例进行说明.(本文来源于《周口师范学院学报》期刊2019年02期）
高阳[10]（2019）在《对多重共线性检测指标的一些研究》一文中研究指出在多元回归问题中,受解释变量间多重共线性的影响,回归系数的方差可能会变得很大;同样,作为系数方差的无偏估计量,回归系数的估计方差也会受到影响.通过研究估计方差的变化,结合方差膨胀因子(VIF)的传统定义,发现当解释变量不包含被解释变量的任何冗余信息时,利用被解释变量方差的无偏估计量(样本方差)对VIF进行修正,得到一种新的可用于检测多重共线性严重程度的指标.除此之外,从特征值的角度出发,本文提出A指标用于多重共线性的检测,且从理论上验证了A指标的合理性,并结合k指标和VIF指标得出该指标上下界的控制范围;同时给出了二维情形下k指标、Red指标和Λ指标三者之间的关系.综合可知,相较于k指标和VIF指标,A指标具有明显的上下界,可控性较强;相较于Red指标和相对范数指标,A指标计算简便,更容易操作.通过变量的剔除与引入,可以利用A指标对每一个解释变量进行量化,从而可以找出引起多重共线性的解释变量.最后,通过数据实验对六种不同的检测指标进行比对,发现这六种指标对于检测多重共线性的强弱具有明显的一致性;同时Red指标和A指标具有较强的相关性.(本文来源于《兰州大学》期刊2019-03-01）
多重共线性论文开题报告
（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：
多重共线性问题是多元线性回归分析中经常遇到的问题,怎么解决这一问题,没有绝对有效的方法,需要针对具体问题具体对待。针对使用时间序列数据建立回归模型的问题,遵循科学性原则,对数据进行可比性转化,之后检验各变量的平稳性及变量间的协整关系。由于建立的协整回归存在多重共线性问题,而采用偏最小二乘法估计模型的参数,得到了较合理的结果。
（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。
多重共线性论文参考文献
[1].王飞,孙嘉聪,沈丹.多重共线性问题的岭回归实例[J].数学学习与研究.2019
[2].毛雪莲.多重共线性问题的偏最小二乘估计[J].科技视界.2019
[3].陆歆怡,陈雪东.层次线性模型中多重共线性的诊断[J].佳木斯大学学报(自然科学版).2019
[4].王义闹,卢庆华.关于多重共线性的叁个知识点的准确表述[J].温州大学学报(自然科学版).2019
[5].陈军.文氏图在计量统计类课程教学中的应用——以多重共线性内容为例[J].长沙航空职业技术学院学报.2019
[6].徐嘉.负债分析中的多重共线性问题研究[D].哈尔滨工业大学.2019
[7].王义闹,张向文.不完全多重共线性定义存在的问题及其修正建议[J].温州大学学报(自然科学版).2019
[8].滕承秀.“营改增”对企业绩效影响的多重共线性检验[J].统计与决策.2019
[9].魏红燕.回归分析中多重共线性的诊断与处理[J].周口师范学院学报.2019
[10].高阳.对多重共线性检测指标的一些研究[D].兰州大学.2019