非线性最小二乘-统计

非线性最小二乘(non-linear least squares),指一种数学优化方法,用于估计非线性模型中的参数,以使模型的预测值与实际观测数据之间的残差平方和最小化。

线性化-统计

线性化(linearization),指将一个非线性系统、函数或方程在某一点附近近似为一个线性系统、函数或方程的过程。

非线性-统计

非线性(nonlinearity),指两个变量间的关系不遵循直线关系。

线性-统计

线性(linearity),指两个变量间的关系呈简单直线关系的性质。

正态性-统计

正态性(normality),指描述数据分布是否符合正态分布特征的统计属性。通过偏度、峰度和正态概率图等方法进行检验。适用于多种统计分析,确保模型假设的有效性。提供数据分布形态的评估依据,确保后续分析的可靠性。

异方差性-异方差性

异方差性(heteroscedasticity),指在经典线性回归模型中,假定随机扰动项具有同方差性,即给定解释变量,随机扰动项的方差等于一个常数。给定解释变量条件下,随机扰动项的方差,也就是因变量的方差,不再保持不变,便称为具有异方差性。 ...

怀特检验-统计

怀特检验(White's test),又称“White 检验”,指通过对模型残差的平方与自变量进行回归来检验异方差是否存在及检测自变量是否能够显著地解释残差方差变化的统计检验方法。

格莱泽检验-统计

格莱泽检验(Glejser's test),又称“Glejser 检验”,指一种用于检验回归模型中异方差性(heteroscedasticity)的统计方法,使用残差与自变量做回归,以判断误差项的方差是否与自变量存在相关性。

BP 检验-统计

BP 检验(Breusch–Pagan test),指通过对模型残差的平方与自变量进行回归来检验线性回归模型中异方差是否存在的方法,相比怀特检验在残差平方回归模型中不包括原解释变量的平方值和交互项。

同方差性-统计

同方差性(homoscedasticity),指不同观测值所对应的随机误差具有相同方差的特征,表明数据的离散程度在不同水平上是一致的。

空间自相关-统计

空间自相关(spatial autocorrelation),指描述地理空间中邻近位置观测值之间相似性或依赖性的统计特性,常用 Moran's I 等指标度量,反映空间数据的聚集或分散模式,广泛应用于地理学、生态学等领域。

序列相关-统计

序列相关(serial correlation),指时间序列中不同时间点之间的观测值的相关性。

独立性-统计

独立性(independence),指两个或多个随机变量之间相互独立、取值不会互相影响的这种关系。

模型假设-统计

模型假设(model assumption),指对数据的某些特征或关系进行的假设,例如线性回归模型中的线性关系假设。

τ估计-统计

τ估计(τ-estimation),指在 S-估计的基础上拓展残差尺度估计量的类型,使其不仅具有对离群值的稳健性、同时具有较高统计效能的一种稳健估计方法。

矩估计-统计

矩估计(method of moments estimation),指结合了 S-估计的稳健性和 M-估计的效能所得到的改进的稳健估计方法。

广义S 估计-统计

广义S 估计(generalized S-estimation),指扩展了S 估计的统计方法,通过引入更灵活的权重函数和损失函数,进一步提高对异常值的鲁棒性。适用于复杂数据结构和多种分布类型,提供更高的崩溃点和更广泛的稳健估计,增强模型在非标准数据条件下的稳定性和准确性。 ...

S 估计-统计

S 估计(S-estimation),指一种稳健回归方法,通过最小化残差的尺度函数来估计参数,具有较高的崩溃点,能够有效抵抗数据中大量异常值的干扰,适用于高污染数据集。

最小截尾二乘回归-统计

最小截尾二乘回归(least trimmed squares regression),指通过截尾部分极端残差来提高回归模型稳健性的方法,将最小二乘法与截尾技术结合,减少异常值对估计结果的影响。适用于数据中存在显著异常值或非正态分布的情境,增强模型对异常数据的抵抗力。广泛应用于稳健统计分析中,提供可靠的参数估计和模型拟合。 ...

最小平方中位数回归-统计

最小平方中位数回归(least median of squares regression),指将最小二乘估计的目标函数改为使各残差平方的中位数最小,得到的一种稳健估计方法。
1 ...707172737475767778... 90下一页