资源描述：
《综述回归诊断的地位与应》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、修改意见1.前言怕查重率高2•第二章写了好多方法，但没写具体的应用，加上具体的简单的例子，比如在医学中的应用，某病及数据；介绍的软件,加上个简单编程，写上我都做什么研究了3.文献，在文屮出现的地方要标出来，数量太少，5-8个最好，文献后面写上参考的第儿页，文献2是一本杂志，要写上卷号4•文字与符号不在同一行不整齐综述回归诊断的地位与应用摘要：本文主要介绍了线性回归分析诊断的相关方法，通过对统计数据进行残差分析、方差稳定化变换、方差正态化变换等方式来检验所选模型的合理性，然后对相关统计量进行研究,得出所选模型的影响函数，故后对模型中
2、出现的异常点进行观察，从而改进所选模型。木文包括三部分，第一部分提到与回归诊断相关的基础概念，第二部分着重介绍冋归诊断的几种方法，笫三部分将诊断运用于实际应用。三部分循序渐进的介绍了线性回归诊断的相关问题。关键词：回归诊断、异常点、变换、残差、应用Thisarticlemainlyintroducedtherelatedmethodsforthediagnosisoflinearregressionanalysis,throughthestudyoftheresidualanalysisofstatisticaldata,thes
3、tabilizationofvariancetransformation,thevarianceisfluidizedtransformationtoinstitutetherationalityoftheselectedmodel,andthenstudyofrelatedstatistics,itisconcludedthattheinfluencefunctionfortheselectedmodel,atlasttolookatthemodelintheabnormalpoints,therebyimprovingthes
4、electedmodel.Thispaperconsistsofthreeparts,thefirstpartmentionedregressiondiagnosisrelatedbasicconcept,thesecondpartmainlyintroducedseveralmethodsforthediagnosisofregression,thethirdpartistheapplicationofdiagnosistopracticalapplication.Partthreeprogressivelinearregres
5、siondiagnosisrelatedproblemsareintroduced・Keywords:regressiondiagnosis,abnormalpoint,transformation,residual,applications一、刖H1、回归诊断的发展所谓诊断，意味着就现有数据或对应现象找出现象发生原因以及所存在的问题。发现问题Z后改进数据或变换方法來解决问题。我们所说的回归诊断，就是关于回归分析模型的问题分析。回归诊断是上个世纪70年代伴随着计算机的发展而逐渐发展起来的一个数学分支。它所研究的对象是冋归分析。冋归
6、诊断是根据我们所统计出来的数据建立数学模型，然后通过模型进行分析我们计算吋所使用方法的正确性，从而改进我们的计算方法。如今，回归诊断已经成为了回归分析过程中不可缺少的一部分。随着计算机的发展，回归诊断与一些计算机软件的结合也越来越密切，同样的也得到了人们的高度重视。统计学在当代开始受到越来越多的重视，因此，统计诊断也逐步进入了人们的视线。而且学者们也不仅仅只关注单个或多个数据对统计点的影响，还对那些对推断冇相关影响的因索进行了研究。例如Cook距离便是其中的一个影响因索，它在我们进行的统计推断中起着重要作用且适用范围很广，因此有越
7、来越多的学者开始研究Cook距离。随着社会的发展，我们所涉及的大多数学科都会用到统计知识，因此统计诊断也开始被大量应用。1982年，Cook和Weisberg在著作中讨论了残差方面的问题；在《统计诊断引论》一书屮，作者韦博成对统计诊断方面做出了详细的分析；陈希孺、王松桂在《近代回归分析》中也对统计诊断进行了讨论。但是这些和统计诊断广阔的应用前景和深厚的内容相比，仅仅是相当小的一部分。所以统计诊断这个方而述是需要更多人来了解它，研究它，让它在我们的生活中发挥更大的作用。2、回归诊断主要研究的问题统计学上所研究的对象都是一个个数据的集
8、合，这些数据都是我们通过书籍或实验测量得到的，Z后我们通过统计数据建立相应的数学模型，但是我们所建立的数学模型只是对我们所得到数据的大概描述，这种近似的描述是否真正符合事实的存在我们却不得而知。我们选择某组数据只是因为它更加适合我们建立的模型。我们
