马尾松毛虫精细化预报回归建模试验研究

通过线性回归、曲线回归、非线性回归、Logistics回归等回归多次建模试验的比较,建立了显著性较高的马尾松毛虫发生量和幼虫高峰期线性预报模型。     

MATLAB稳健回归在作物水模型建模中的应用

本文讨论了作物水模型常规多元线性回归以及稳健回归的建立方法.基于内蒙古河套灌区曙光试验站玉米非充分灌溉试验资料,利用MATLAB中提供的稳健回归方法建立了Minhas型作物水模型,并与常规的多元线性回归方法进行了比较.结果表明采用稳健回归的方法比常规的多元线性回归可在一定程度上提高作物水模型的回归效果.     

巧用Excel解决多元非线性回归分析

非线性回归是回归分析的重要内容和难点,而多元非线性回归在农业生产中有重要的应用。应用Excel"工具"菜单"数据分析"选项中的"回归"分析工具,以二元二次非线性回归为例,阐述了用Excel做多元非线性回归的详细过程,并与SPSS软件做的结果进行比较,证明使用Excel做多元非线性回归完全可行,且操作简单、易行,并就方程的统计意义进行了分析。     

随机回归模型理论及其应用

随机回归模型在动物育种中已然成为分析纵向数据或者个体重复记录的一般方法。随机回归模型可分为基于重复率模型的随机回归模型、基于母体效应模型的随机回归模型、基于公畜模型的随机回归模型和二维随机回归模型等等。随机回归模型广泛应用于产奶性状、生长性状、生存性状、繁殖性状、基因型、环境互作的遗传分析;与此同时,人们也一直探索随机回归模型的优化问题,子模型函数的选择是其中热点之一。文章对随机回归模型的分类、优化及其在动物育种领域的应用进行了综述。     

亲子回归与相关估计遗传力相对效率的模拟

通过计算机模拟实验,研究在一定条件下亲子回归与相关估计遗传力的相对效率。结果表明,直接用子女—中亲相关系数估计的遗传力有偏差;家系内环境相关不会改变公畜内回归测定的遗传力估计值,但提高了由简单回归测定的遗传力估计值;选配对公畜内回归的遗传力估计值没有影响。表型选配造成子女—单亲简单回归的遗传力估计值偏差,但不造成子女—中亲简单回归的遗传力估计值偏差。育种值选配对子女—单亲简单回归和子女—中亲简单回归测定的遗传力估计值均造成偏差。本文还对这些结果进行分析和解释,并提出矫正偏差的一些方法.     

复杂经济运行背景下省域经济风险评价——基于安徽省1995~2009年的经验证据

针对Probit分位回归在参数随机化条件下的建模问题,提出基于Metropolis-Hastings算法的贝叶斯Probit分位回归模型.通过分析Probit分位回归模型结构,选择模型的先验分布,运用M-H算法进行参数估计.利用Monte Carlo仿真技术,得到不同分位点模型参数后验分布,同时用贝叶斯probit分位回归与分位回归方法和光滑分位回归方法对模型参数估计进行比较分析.研究结果表明：贝叶斯Probit分位回归模型可以更全面描述离散选择变量的影响,能够得到更加准确有效的参数估计.     

“四个回归”背景下新思政在本科教育中的教学改革初探

教育部长陈宝生于2016年在武汉高等学校工作座谈会上提出高校发展要以"回归常识、回归本分、回归初心、回归梦想"四个回归作为人才培养目标,四个回归指明了我国本科教育的发展方向,为新时代构建更加科学有效的本科教育课程体系提出了要求。在本科思想政治教育中,需要更加注重增强课程内容的科学性与课堂教学的有效性。济南某大学以"四个回归"作为指导思想,对心理健康教育课程在本科教育中的教学改革中采取了"12345"教学法,以期对构建科学有效的本科思想政治课程体系有所助益。     

残差和为零的非线性回归法及其应用

指出传统拟线性回归和近代非线性最小二乘回归存在的问题,以及有截距的线性回归和无截距的线性回归之间的差别;提出通过附加残差和为零的强制条件改进非线性最小二乘回归的思想和方法,即残差和为零的非线性回归,并从理论上和实验数据上证明其优越性.得出的结论和结果为:对于幂函数、指数函数、双曲函数、对数函数和S型曲线等非线性函数,通...     

林木生长关系的GWR模型

基于地理加权回归模型,给出了误差方差不相等时广义地理加权回归的估计与方差,以及对地理加权回归模型均方误差范围的推导,并以此建立林木生长模型,用此模型与一般线性回归模型对林业数据进行对比分析。     

局部回归残余克里格对土壤阳离子交换量空间预测的精度分析

高精度土壤理化属性的空间分布图件是环境保护、土壤管理及精准农业不可或缺的要件,土壤特性空间异质性的普遍存在是土壤理化特性精确预测的一大难题。以土壤阳离子交换量(CEC)为对象,通过比较不同的空间插值方法,来探讨土壤属性的高精度预测方法。通过采样实测表层土壤阳离子交换量,利用普通线性回归、地理权重回归及二者残余的克里格进行空间插值,来比较不同方法的插值精度和制图效果。结果表明,地理权重回归残余克里格法的精度最高,其预测值与实测值的回归决定系数达90%,普通线性回归的精度最低。在回归残余分析中,普通线性回归残余对CEC预测精度提高的幅度达34%,而地理权重回归残余对预测精度提高程度为9%,相对较小。说明地理权重回归及回归克里格法也是较好的空间预测方法。在制图效果上,2种残余法的预测图在空间上过渡自然,平缓,能较好地反映出CEC在空间上的变化细节,与实际情况吻合较好。对于那些环境影响因素明确,且与之存在线性相关的土壤属性,地理权重回归残余克里格法及回归克里格法可作为其高精度空间预测及制图的有效工具。     

基于改进遗传算法-偏最小二乘回归的大坝变形监测模型

【目的】针对常规大坝变形监测回归模型中存在的因子多重相关性干扰和模型拟合效果欠佳问题,进行偏回归模型优化方法研究。【方法】将改进的遗传算法引入大坝变形监测偏回归模型,利用遗传算法强大的自适应全局优化搜索功能,对偏最小二乘回归模型进行优化,建立了基于改进遗传算法-偏最小二乘回归的大坝变形监测模型。【结果】工程实例研究与对比分析表明,改进遗传算法-偏最小二乘回归模型在一定程度上改善了原偏回归模型存在的拟合效果不佳的问题。【结论】改进遗传算法-偏最小二乘回归模型具有较好的拟合与预测能力,有较强的工程实用性。     

基于VB的积分回归的设计与应用

在一般的多元回归分析中,通过分析因变量和自变量之间的关系,可以预测因变量的值.但是,如果考虑各自变量不同时段对因变量的影响,这时常常采用积分回归分析法.本文介绍了积分回归的基本原理,以及使用Visual Basic(简称VB)编程工具设计积分回归程序的过程.在农业、经济、工业等领域利用积分回归统计程序可以简化积分回归分析过程,所得到的积分回归方程能够真实反映出各自变量不同时段对因变量的影响.该积分回归统计程序界面简单、便于操作.     

基于灰色多元线性回归的粮食产量预测

针对粮食产量预测精度差和波动大的问题,结合灰色系统和多元线性回归模型,提出了一种灰色多元线性回归模型。利用该模型对南宁市的粮食产量进行了预测。结果表明,灰色多元线性回归模型的预测精度要高于单一的灰色系统或多元线性回归模型。     

广义逆M-回归及其应用

广义逆M-回归是在信息矩阵M =(X′X)为奇异或病态时一种备择的回归分析方法。介绍了广义逆M-回归的统计学原理和基本特征 ;提出了在奇异矩阵M中找出M-的方法以及适合M-回归的场合。以若干例子说明M-回归的程序和效果 ,也讨论了消除奇异矩阵的奇异性的一些途径。     

品德课改中生活观价值理念探析

品德课改明确提出了要构建面向生活世界,立足生活世界的德育课程。品德教育要回归生活,但我们应该更清楚的知道品德教育应该回归谁的生活,回归什么样的生活,怎样回归生活等基本的价值指向问题。本文对品德课改理念中的生活观进行价值理路的分析,旨在为品德课改的可持续发展提供有益的思路。     

广西农产品价格预测初探——以南宁市为例

利用SPSS软件的多重线性回归模型研究分析了广西各地市主要农产品价格与首府南宁市主要农产品价格的关系,同时以南宁市猪肉价格为例分别进行普通线性回归分析和时间序列自回归过程分析。结果表明,南宁市农产品价格受桂林、贺州和来宾市农产品价格影响较大;时间序列自回归分析模型对南宁市猪肉价格的预测效果较普通线性回归分析模型理想,可在一定时间内对南宁市猪肉价格进行预测。     

最小一乘直线回归及程序设计

１引言在农业生产和科研中 ,常常需要研究两个变量（比如作物产量和施肥量）之间的定量关系 ,即以其中一个变量为因变量 ,另一个变量为自变量 ,进行一元回归分析。一元回归分析是回归分析中最简单的一种 ,它分为直线回归和曲线回归两种。直线回归又有多种数学方法 ,它们适用于不同的场合 ,最小一乘直线回归就是其中之一。早在１７５５～１７５７年 ,数学家Ｂｏｓｃｏｖｉｔｃｈ就对用最小一乘准则拟合直线的问题进行了研究 ,比Ｇａｕｓｓ等引进最小二乘法约早４０年。与最小二乘回归相比 ,最小一乘回归的研究和应用报道很少 ,远未被人们广泛…     

一元回归方程的建立和选优

本程序根据一元回归的基本理论,利用BASIC语言,以18种常见的一无线性或可化为线性的回归模型对两个变量的实验结果作一元回归分析,进而建立回归方程和方程选优,从而利用最优方程对生产和实验进行预测和控制,此外,还可以绘制最优回归曲线。     

岭回归分析程序的设计与实现及农业应用实例

介绍了多元线性回归模型参数估计的最小二乘法和岭估计,分析了使用VisualBasic编程工具设计及实现岭回归分析程序的过程,阐述了岭回归分析程序的农业应用实例。     

东北粳稻叶片植被指数NDVI与PRI的相关性分析

以东北地区典型地带的粳稻为例,利用植被指数测量仪PlantPen,同时测量了粳稻叶片植被指数NDVI和PRI,并根据粳稻生长发育进程分成了与物候一致的4个生育时期。首先利用二元定距变量相关分析的方法对NDVI和PRI进行相关性分析;然后,分别利用线性回归和Cubic曲线回归建立NDVI拟合PRI的回归模型,并对回归模型进行拟合优度检验和精度验证,同时对线性回归模型与Cubic曲线回归模型的拟合效果和检验结果进行对比分析。结果表明,粳稻叶片植被指数NDVI和PRI在各生育时期均有极显著的相关关系,在粳稻生长发育进程中,相关性越来越高;线性回归模型和Cubic曲线回归模型均能使NDVI较好地拟合PRI,在粳稻生长发育进程中,拟合效果也越来越好;Cubic曲线回归模型在粳稻4个生育期平均相应的指标值判定系数(R²)、均方根误差(RMSE)、绝对百分误差(MAPE)分别为0.8055、0.0358、0.534%,而线性回归模型的相应指标为0.7653、0.0488、1.365%。Cubic曲线回归模型的RMSE和MAPE值较小且R²较大。因此其拟合优度和检验精度均优于单纯的线性回归模型,可作为NDVI反演PRI一种参考模型。