回归模型和吉布斯抽样的研究

摘要：

回归模型理论已在众多领域实现了广泛的运用.其中,线性回归模型、空间回归模型和hedonic回归模型等已经有了较大的发展和运用,但是这些模型的方法效率相对较低,数据处理的复杂度比较高,Gibbs抽样方法则将多个参数的复杂问题降低为每次只需处理一个参数的简单问题.本次研究运用SPSS、R和OpenBUGS三大数据分析软件,分别进行对数据聚类分析,典型性分析和基于Gibbs抽样的回归模型求解,其中运用Gibbs抽样的方法较之于传统模型抽样方法相比,Gibbs抽样方法更加简便、高效.通过对这三大软件的运用,做到对数据的科学分析,对模型的科学求解,使得结果更好的反应现实的具体状况.

关键词： 回归模型 吉布斯抽样 数据聚类 典型性

作者: 张松松 沈竞

作者单位: 南京林业大学理学院,南京,210037

会议类型: 国内会议

会议名称: 第十届中国不确定系统年会、第十四届中国青年信息与管理学者大会

会议地点: 银川

会议语种:中文

页码: 44-53

在线出版日期: 2012-07-27（万方平台首次上网日期，不代表论文的发表时间）