多元统计,如何才能是相关系数最大化?
请教一个多元统计的问题:
为了预测某一大面积地区某一变量Y的取值情况,采集了一些样品(样品是具有代表性的),并对每个样品计算了Y值和若干参数X1,X2,X3,X4......(实测值)
然后就可以通过统计得到一个公式(无论是线性的还是非线性的),用公式就可以大面积的预测Y,但是在之前要做精度评价。精度评价也是用X1,X2,X3,X4….去评价,算出X1’,X2’,X3’,X4’…..(预测值),计算实测值和预测值之间的某些统计特征就可以评价精度了,如相关系数,均方根误差(RMS)。
我在一篇文章里面看到“使RMS误差最小化(minimizing the RMS deviation)”来提高是相关系数最大?
我想问的是:
1、他是怎么做到的?如何通过“是RMS误差最小化”来提高相关系数?
2、各种统计方法改如何选择?我之前用多元线性回归和逐步线性回归做过,结果都不好。
3、参数(就是X1,X2,X3…)的选择有什么准则?我准备计算更多的参数,但是怎么取舍?除了Xn和Y之间相关系数之外还有什么准则?如果用相关系数来取舍,大概是个什么范围?
PS:提到的论文是英文的,还有点长,大家就不用看了(论文名:Lunar soil characterization consortium analyses: Pyroxene and maturity estimates derived from Clementine image data)
谢谢啊~~


雷达卡



京公网安备 11010802022788号







