-
题名基于变量择优的Fisher逐步判别分析方法
被引量：9
- 1
-
-
作者
黄利文
-
机构
泉州师范学院数学与计算机科学学院
金融数学福建省高校重点实验室(莆田学院)
-
出处
《系统科学与数学》
CSCD
北大核心
2021年第8期2338-2348,共11页
-
基金
国家自然科学基金(52070119)
金融数学福建省高校重点实验室(莆田学院)开放课题(JR201801)资助。
-
文摘
针对变量比较少的判别分析问题,讨论了一种基于变量择优的Fisher逐步判别分析方法.在Fisher判别分析方法和变量空间的多项式扩展方法的基础上,该方法结合文中定义的判别效率函数,给出了挑选变量的准则.为了检验新方法的效果,分别通过一个实例、5个UCI数据集和3个模拟数据集进行测试,并与Fisher判别分析法和Fisher逐步判别分析法的效果作对比.结果表明,对变量比较少的判别问题,文中方法有助于提高判别模型的正确率.
-
关键词
判别分析
判别模型
逐步判别分析
变量择优
-
Keywords
Discriminant analysis
discriminant model
stepwise discriminant analysis
selecting optimal variables
-
分类号
O212
[理学—概率论与数理统计]
-
-
题名高相关性辅助变量择优回归插补法
被引量：6
- 2
-
-
作者
杨贵军
蔡娟
赵晓云
-
机构
天津财经大学中国经济统计研究中心
-
出处
《统计与信息论坛》
CSSCI
2012年第6期8-13,共6页
-
基金
国家社会科学基金重大项目<全球视野下的统计数据质量评估方法研究>(09&ZD040)
教育部新世纪优秀人才支持计划<我国保险公司风险的监管量化技术及监管机制研究>(NCET-08-0909)
+1 种基金
教育部留学回国人员科研启动基金项目<两阶段设计的若干问题研究>
2010年度全国统计科学研究计划项目<无回答的解决办法及在经济调查中的应用>(2010LC60)
-
文摘
调查数据无回答在抽样调查中经常出现。无回答项目插补法是处理无回答的最主要方法之一,而辅助变量对提高插补值准确度非常重要。因此,研究调查数据无回答项目的高相关性辅助变量择优回归插补法,先筛选与目标变量间相关系数高的辅助变量,再建立回归插补模型。该方法的辅助变量选择过程简单,插补值准确性高。模拟例子演示了该方法的优良性。
-
关键词
无回答项目
变量择优
回归插补
相关系数
-
Keywords
non-response item
selecting optimal variable
regression Interpolation
correlation coefficient
-
分类号
O212.4
[理学—概率论与数理统计]
-
