負(fù)債分析中的多重共線性問題研究
【學(xué)位單位】:哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位年份】:2019
【中圖分類】:C81
【部分圖文】:
圖 3-1 lasso 估計(jì)與嶺估計(jì)的對(duì)比 3-1 表示的是當(dāng)只有兩個(gè)參數(shù)時(shí),lasso 估計(jì)(左)與嶺估計(jì)(右)中誤差形狀。殘差平方和是以最小二乘估計(jì)為中心的橢圓輪廓。以原點(diǎn)為域分別是 lasso 與嶺估計(jì)的約束區(qū)域1 2 + t和2 21 2 + t. 系數(shù)影所示的約束區(qū)域內(nèi),那么最先接觸到陰影部分的點(diǎn)就是符合最小的點(diǎn)。Lasso 與嶺估計(jì)的主要區(qū)別是 lasso 估計(jì)的約束區(qū)域是有頂點(diǎn)輪廓與菱形約束的邊相切時(shí),其余情況該最小誤差平方和的點(diǎn)大多頂點(diǎn),也就是說這時(shí)其中一個(gè)自變量系數(shù)(即圖 3-1 情況中的1 )取值lasso 估計(jì)在計(jì)算符合條件的最優(yōu)參數(shù)的同時(shí)也完成了特征選擇的工作(3-28)也可寫成懲罰函數(shù)表示的形式201 1 11arg min2Np plassoi ij j ji j jy x + 現(xiàn),lasso 估計(jì)的懲罰函數(shù)是在最小二乘估計(jì)的懲罰函數(shù)上增加了一pj .
圖 3-1 lasso 估計(jì)與嶺估計(jì)的對(duì)比 3-1 表示的是當(dāng)只有兩個(gè)參數(shù)時(shí),lasso 估計(jì)(左)與嶺估計(jì)(右)中誤差形狀。殘差平方和是以最小二乘估計(jì)為中心的橢圓輪廓。以原點(diǎn)為域分別是 lasso 與嶺估計(jì)的約束區(qū)域1 2 + t和2 21 2 + t. 系數(shù)影所示的約束區(qū)域內(nèi),那么最先接觸到陰影部分的點(diǎn)就是符合最小的點(diǎn)。Lasso 與嶺估計(jì)的主要區(qū)別是 lasso 估計(jì)的約束區(qū)域是有頂點(diǎn)輪廓與菱形約束的邊相切時(shí),其余情況該最小誤差平方和的點(diǎn)大多頂點(diǎn),也就是說這時(shí)其中一個(gè)自變量系數(shù)(即圖 3-1 情況中的1 )取值lasso 估計(jì)在計(jì)算符合條件的最優(yōu)參數(shù)的同時(shí)也完成了特征選擇的工作(3-28)也可寫成懲罰函數(shù)表示的形式201 1 11arg min2Np plassoi ij j ji j jy x + 現(xiàn),lasso 估計(jì)的懲罰函數(shù)是在最小二乘估計(jì)的懲罰函數(shù)上增加了一pj .
是構(gòu)建 X 來估計(jì)Y .如圖 3-2 所示,該算法從0 0開始,這度更小,相似程度更大,也就是( ) ( )1 0 2 0c c , 故沿1x 方向逼1 0 1 1 + x擇算法中,會(huì)取1 使得1 等于 y 在 方向上的投影;在向前梯度于某個(gè)固定的較小的步長 . 而在此算法中,令 ( ) ( 1 1 2 1c c 令2 1 2 2 + u, 其中2u 表示1x 和2x 角平分線方向的單位向量。接受的程度時(shí)結(jié)束,求得估計(jì)參數(shù) .
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 王義鬧;盧慶華;;關(guān)于多重共線性的三個(gè)知識(shí)點(diǎn)的準(zhǔn)確表述[J];溫州大學(xué)學(xué)報(bào)(自然科學(xué)版);2019年03期
2 韓存;毛劍芬;;多重共線性問題及其補(bǔ)救措施[J];內(nèi)蒙古統(tǒng)計(jì);2009年01期
3 韓存;毛劍芬;;多重共線性問題及其補(bǔ)救措施[J];統(tǒng)計(jì)與決策;2008年09期
4 師應(yīng)來;多重共線性問題探討[J];統(tǒng)計(jì)與決策;1994年05期
5 宋九洲,盧軍;動(dòng)物性狀中多重共線性初探[J];黃牛雜志;1995年S1期
6 趙玉新;;多元線性回歸中多重共線性的研究[J];產(chǎn)業(yè)與科技論壇;2019年03期
7 李從欣;張?jiān)偕?李國柱;;解決多重共線性的新思路:路徑分析[J];統(tǒng)計(jì)與決策;2013年01期
8 楊梅;肖靜;蔡輝;;多元分析中的多重共線性及其處理方法[J];中國衛(wèi)生統(tǒng)計(jì);2012年04期
9 陳玲燕;;多重共線性下的線性回歸方法綜述[J];市場(chǎng)研究;2008年04期
10 劉瓊;;多重共線性的程序選優(yōu)法[J];商場(chǎng)現(xiàn)代化;2008年32期
相關(guān)博士學(xué)位論文 前2條
1 羅偉林;基于支持向量機(jī)方法的船舶操縱運(yùn)動(dòng)建模研究[D];上海交通大學(xué);2009年
2 嚴(yán)筱永;無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)研究[D];南京理工大學(xué);2013年
相關(guān)碩士學(xué)位論文 前10條
1 徐嘉;負(fù)債分析中的多重共線性問題研究[D];哈爾濱工業(yè)大學(xué);2019年
2 程書生;關(guān)于GM(1,N)模型中多重共線性與自相關(guān)性問題的研究[D];武漢理工大學(xué);2018年
3 高陽;對(duì)多重共線性檢測(cè)指標(biāo)的一些研究[D];蘭州大學(xué);2019年
4 于曉牧;logistic回歸多重共線性診斷方法的研究[D];大連醫(yī)科大學(xué);2010年
5 張曉麗;偏最小二乘回歸分析若干問題的研究[D];東北師范大學(xué);2010年
6 郭媛媛;基于核主成分回歸的多重共線性消除問題研究[D];河北聯(lián)合大學(xué);2014年
7 張鳳蓮;多元線性回歸中多重共線性問題的解決辦法探討[D];華南理工大學(xué);2010年
8 郭鵬妮;嶺回歸與分位數(shù)回歸的研究及結(jié)合應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年
9 李娜娜;多元線性模型與多指標(biāo)預(yù)測(cè)[D];武漢科技大學(xué);2006年
10 姚玉臣;影響GDP增長的經(jīng)濟(jì)因素分析[D];哈爾濱工業(yè)大學(xué);2014年
本文編號(hào):2860961
本文鏈接:http://www.wukwdryxk.cn/guanlilunwen/tongjijuecelunwen/2860961.html