目录
专题一 线性回归假设与分位数函数讲解
专题二 线性分位数回归 【代码实践】
专题三 贝叶斯分位数回归【代码实践】
专题四 超越线性分位数回归(一)【代码实践】
专题五 超越线性分位数回归(二)【代码实践】
更多应用
回归是科研中最常见的统计学研究方法之一,在研究变量间关系方面有着极其广泛的应用。由于其基本假设的限制,包括线性回归及广义线性回归在内的各种常见的回归方法都有三个重大缺陷:(1)对于异常值非常敏感,极少量的异常值可能导致结果产生巨大的误差;(2)对数据的分布有着较为苛刻的要求,如果数据不符合指定的分布,结果同样是不可信的;(3)只能估计因变量的条件均值,不能估计自变量对因变量分位点的不同影响。分位数回归的出现较好的解决了第(1)和第(3)个问题,对不同分布数据也表现非常好的稳定性。分位数回归是一种较新的回归技术,在实践中与普通的线性回归有很大区别,在理论上比线性回归复杂很多。
专题一 线性回归假设与分位数函数讲解
1.线性回归的本质
2.线性回归的基本假设
3.最小二乘法与极大似然法
4.线性回归的推广与分位数函数
专题二 线性分位数回归 【代码实践】
1.最小一乘法及其推广
2.分位数回归结果的解释
3.显著性检验
4.分位数回归的拟合优度检验
专题三 贝叶斯分位数回归【代码实践】
1.贝叶斯统计学的基本概念
2.非对称拉普拉斯先验
3.贝叶斯分位数回归
专题四 超越线性分位数回归(一)【代码实践】
1.非线性分位数回归
2.非参数分位数回归
3.广义分位数回归及其贝叶斯版本
专题五 超越线性分位数回归(二)【代码实践】
1.线性分位数混合效应模型
2.CDF-分位数回归
3.分位数随机森林
注:请提前自备电脑及安装所需软件
更多应用
包含:Python机器学习、数据挖掘、PyTorch机器学习、MATLAB机器学习、R语言【Tidyverse、Tidymodel】、地理加权回归、结构方程模型、贝叶斯网络模型、混合效应(多水平层次嵌套)模型、Copula变量相关性、极值统计学、分位数回归、网络爬虫、科研数据可视化、Nvivo、Citespace和vosviewer文献计量学、AI人工智能等...文章来源:https://www.uudwc.com/A/LaWXE/
让GPT成为您的科研加速器丨GPT引领前沿与应用突破之GPT4科研实践技术与AI绘图-CSDN博客GPT对于每个科研人员已经成为不可或缺的辅助工具,不同的研究领域和项目具有不同的需求。如在科研编程、绘图领域。让大量科研学者融合学科应用,积累技术经验,让学习不盲从,让GPT成为您真正的科研助手。您准备开始学习了吗?https://blog.csdn.net/WangYan2022/article/details/132685671?spm=1001.2014.3001.5502R-Meta多手段全流程分析与Meta高级绘图、多层次分层嵌套模型构建与Meta回归诊断、贝叶斯网络、MCMC参数优化及不确定性分析、Meta数据缺失值处理、Meta加权机器学习与非线性Meta分析-CSDN博客Meta分析是针对某一科研问题,根据明确的搜索策略、选择筛选文献标准、采用严格的评价方法,对来源不同的研究成果进行收集、合并及定量统计分析的方法,最早出现于“循证医学”,现已广泛应用于农林生态,资源环境等方面。https://blog.csdn.net/WangYan2022/article/details/132428460?spm=1001.2014.3001.5502最新基于Citespace、vosviewer、R语言文献计量学可视化分析技术及全流程文献可视化SCI论文高效写作方法_WangYan2022的博客-CSDN博客通过文献计量学讲解、高效选题、数据库检索数据下载、软件使用等八个专题详细讲解,让学员系统全面的掌握文献计量学的基本理论和知识;熟练掌握Citespace和vosviewer及R语言文献可视化分析技术;最终实现从主题确定、数据分析绘图、文章框架与写作,全流程掌握一篇文献信息可视化分析报告(论文)的思路逻辑与技术方法。https://blog.csdn.net/WangYan2022/article/details/131889523文章来源地址https://www.uudwc.com/A/LaWXE/