改进的高维非线性偏最小二乘回归模型及应用 本书特色
《改进的高维非线性偏*小二乘回归模型及应用》由中国物资出版社出版。
改进的高维非线性偏最小二乘回归模型及应用 目录
1 绪论1.1 引言1.2 研究综述1.3 基本思路与研究方法1.4 主要内容及创新之处本章小结2 偏*小二乘回归的理论基础2.1 引言2.2 偏*小二乘回归模型2.3 辅助分析技术本章小结3 改进的非线性偏*小二乘回归模型3.1 引言3.2 传统的非线性偏*小二乘回归3.3 改进的非线性偏*小二乘回归模型3.4 与其他回归方法的比较分析本章小结4 二叉树降维方法4.1 引言4.2 二叉树降维方法4.3 案例分析4.4 降维二叉树评价方法4.5 回归模型的降维方法本章小结5 特异点识别方法5.1 引言5.2 第1主成分t1/u1散点图5.3 T2椭圆、T2椭球及T2超椭球5.4 高维空间谱系图本章小结6 R语言6.1 引言6.2 应用案例本章小结7 总结与研究趋势7.1 总结7.2 研究趋势展望参考文献附录附录1：作者近期发表的与本书内容有关的学术论文附录2：沿渤海海岸带56个观测站点中13个站点的生态数据附录3：2008年天津市各区县经济发展指标后记
改进的高维非线性偏最小二乘回归模型及应用 节选
《改进的高维非线性偏*小二乘回归模型及应用》是以论述改进的非线性偏*小二乘回归模型的理论、方法及应用为主的专著，也论述了在回归建模之前的数据预处理方法。主要论述了一种改进的非线性偏*小二乘回归模型、高维空问的特异点识别方法、二叉树降维方法和降维二叉树评价方法等。书中论述的理论和方法使用R语言进行了实证分析。所述内容可作为评价、预测和控制研究而应用于各领域，具有广泛的应用前景。
改进的高维非线性偏最小二乘回归模型及应用 相关资料
插图：变量和因变量两组变量的个数均很多，且还存在多重相关性，而观测数据的数量（样本量）又较少时，用偏最小二乘回归建立的模型具有传统的回归分析等方法所不具有的优点。偏最小二乘回归分析在建模过程中集中了主成分分析、典型相关分析和线性回归分析等方法的优点，因此在分析结果中，除了可以提供一个更为合理的回归模型外，还可以同时完成一些类似于主成分分析和典型相关分析的研究内容，提供更丰富、更深入的一些信息，如基于两个主成分变量的特异点识别方法。偏最小二乘分析方法可以有效地将回归建模、主成分分析以及典型相关分析的基本功能有机地结合起来，以致很多文献认为“偏最小二乘一典型相关分析+主成分分析+多元回归”。目前，国外的很多专家学者，如美国顾客满意度指数模型的创立者、密歇根大学的福内尔（Fornell）教授等，都把偏最小二乘回归誉为第二代多元统计分析方法。近年来，偏最小二乘实际应用不断扩展，涉及化学、经济学、社会学、工业、生物、地质、医学以及药物学等领域。
改进的高维非线性偏最小二乘回归模型及应用 作者简介
郭建校，1971年生，洲北省赵县人。天津人学管理科学与工程专业博士研究生毕业，教授，现为天津外国语大学国际商学院教师。主要研究领域为评价与预测、数据挖掘、模式识别、管理信息系统等。近年来，主持和参与省部级以上级别课题7项，在国内外刊物与国际学术会议上发表论文15篇，其中三大检索、CSSCI核心期刊论文8篇。
