3.1 遗漏变量 3.2 无关变量 3.3建模策略:“由小到大”or“由大到小” 3.4 解释变量个数的选择 3.5 对函数形式的检验 3.6 多重共线性 3.7 极端数据 3.8 虚拟变量 3.9 经济结构变动的检验 3.10 缺失数据与线性插值 3.11 变量单位的选择

提出了一种基于支持向量机的露天转地下开采边坡变形模型,有效表达了地下开采扰动引起露天矿边坡变形的非线性变化关系.采用RBF核函数学习现场监测数据,利用交叉验证选择模型参数,通过学习捕捉支持向量,建立模型预测未来变化趋势.将该模型应用于露天转地下开采的杏山铁矿.结果表明,支持向量机对学习样本的拟合精度极高,其预测精度也很高.采用捕捉的支持向量进行预测,便捷快速且有较强泛化能力

9.1 自变量中含有定性变量的回归模型 9.2 自变量定性变量回归模型的应用 9.3 因变量是定性变量的回归模型 9.4 Logistic(逻辑斯蒂)回归 9.5 多类别Logistic回归 9.6 因变量是顺序变量的回归 9.7 本章小结与评注

一、随机解释变量问题 二、实际经济问题中的随机解释变量问题 三、随机解释变量的后果 四、工具变量法 五、案例

一、随机解释变量问题 二、实际经济问题中的随机解释变量问题 三、随机解释变量的后果 四、工具变量法 五、案例

一、随机解释变量问题 二、实际经济问题中的随机解释变量问题 三、随机解释变量的后果 四、工具变量法 五、案例

§4.3 多重共线性 Multicollinearity 一、多重共线性的概念 二、多重共线性的后果 三、多重共线性的检验 四、克服多重共线性的方法 五、例题 六、分部回归与多重共线性 §4.4 随机解释变量问题 Random Explanatory Variables 一、随机解释变量问题 二、随机解释变量的后果 三、工具变量法 四、例题

在机械稳健性优化设计中不确定变量常被假定为服从某种特定分布的随机变量,在随后的优化模型中丢掉了这些不确定变量的初始数据,这种对不确定变量的处理方式往往不能真切地反映不确定变量的本质,使得出的结论偏离事实.为了更加真切地反映这些不确定变量,使用盲数表达机械设计中的不确定变量,运用盲数运算规则表达各不确定变量之间的关系,把盲数理论和稳健设计相结合,建立基于盲数理论的稳健设计优化模型.使用该优化模型对一个气动换向装置进行了优化计算,优化结果好于传统的稳健设计结果.基于盲数的方法是一种离散化的数值计算方法,算例充分展示了其灵活性,证明了该优化方法是合理的和实用的

一、投资的决定 在国民收入简单决定模型里,投资是作为一个外生变量参与总需求的,也就是说投资不随着利率和产量的变化而变化。但是在现实生活中,投资并不是一个外生变量,经济的收缩和扩张必然会带来利率的变化,而利率的变化又会影响到投资的变化。因此投资应该作为内生变量来进行分析。因此,研究国民收入如何决定,还应分析投资是如何决定的

回归分析是研究随机现象中变量之间关系的一种数理统计方法。它 的主要内容是:从一组数据出发,确定这些变量间的关系式,对这些关 系式的可信程度进行统计检验,从影响一个量的许多变量中,判断哪些 变量的影响是显著的,哪些是不显著的,寻找具有较好统计性质的回归 设计,利用所求得的关系式进行预报和控制