概述
时序预测 | MATLAB实现时间序列回归之特征点检测
目录
-
- 时序预测 | MATLAB实现时间序列回归之特征点检测
-
- 基本介绍
-
- 特征点概念
- 删除性诊断
- 程序设计
- 参考资料
- 致谢
基本介绍
本文主要工作是检测时间序列数据中的有影响的观测值，并检验它们对多元线性回归模型的影响。
- 在考虑影响 OLS 估计的经验限制时，Belsley 等人建议首先解决共线性问题。 下一步是寻找有影响力的观察结果，它们的存在，无论是单独的还是成组的，都会对回归结果产生可测量的影响。
- 将“特征点”的基本度量概念与“异常值”的更主观的概念区分开来，后者可能包括不遵循预期模式的任何数据。
特征点概念
- 有影响力的观察以两种根本不同的方式产生。首先，它们可能是测量或记录错误的结果。在这种情况下，它们只是坏数据，不利于模型估计。另一方面，它们可能反映了创新过程的真实分布，表现出模型无法解释的异方差、偏度或峰态。这样的观察可能包含异常样本信息，但对于准确的模型估计来说是必不可少的。单
最后
以上就是明亮硬币为你收集整理的时序预测 | MATLAB实现时间序列回归之特征点检测的全部内容，希望文章能够帮你解决时序预测 | MATLAB实现时间序列回归之特征点检测所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复