原文传递
时变系数广义线性模型在交通数据中的应用
| 论文题名： | 时变系数广义线性模型在交通数据中的应用 |
| 关键词： | 交通事故数据;时变系数广义线性模型;logistic回归;参数估计 |
| 摘要： | 在经典的线性回归模型中，我们认为模型中自变量的系数是固定不变的常数，模型中自变量对因变量的影响不随其它变量的变化而变化。然而在许多实际问题中，这种假设太过于理想化，模型往往不能满足实际数据的需要，为了解决这一问题，统计学家们提出了变系数模型这一概念。 变系数模型是一类在许多领域都有着广泛应用的回归模型，与经典的线性模型相比，变系数模型具有了更好的灵活性和适用性，模型既能描述自变量和因变量之间的关系，又能反应数据的其它变化特征。在环境、地理和经济领域的数据分析中，变系数模型备受人们的关注。如今，该模型被广泛运用到经济学、金融学、医药科学和生态环境等领域。 本文首先简单的回顾了变系数回归模型的基本知识，在给出了自变量系数满足时间序列高斯AR(1)模型的logistic回归模型后，我们给出了此模型的参数估计方法，并在不同的样本数n和不同的观测时间t下，利用统计软件R对模型参数估计进行模拟分析。 最后，将此模型运用到美国密西根交通部记录的实际交通事故数据中。由于交通数据的因变量是一个二分类变量，我们就用广义的线性回归模型中的logistic回归对其进行建模，又通过对数据的分析，发现logistic回归模型的自变量系数随着时间的变化而变化，所以我们就用时变系数广义线性模型来对这类数据进行建模，来探索导致交通事故严重后果的危险因素。 |
| 作者： | 贾春阳 |
| 专业： | 概率论与数理统计 |
| 导师： | 郑海涛 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西南交通大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
