基于施密特过程的变量筛选及其在森林覆盖率分析中的应用  

Variable Selection Based on Schmidt Process and its Application in Forestry Coverage Analysis

作　　者：王兰会[1,2] 王惠文[1] 

机构地区：[1]北京林业大学经济管理学院 [2]北京航空航天大学经济管理学院

出　　处：《北京林业大学学报（社会科学版）》2009年第4期93-96,共4页Journal of Beijing Forestry University ：Social Sciences

基　　金：国家自然科学基金创新研究群体科学基金项目(70521001);国家自然科学基金"多元回归模型评价;模型分类以及模型预测理论研究及其应用"(70771004);国家自然科学基金"高维稀疏数据聚类研究"(70371007);国家自然科学基金"基于模糊合作对策的企业联盟收益分配策略研究"(70531010)

摘　　要：在多元线性回归模型的实际应用中,因受分析人员主观判断的影响,初始选取的自变量集合往往会包含过多的变量。本文利用施密特过程提出一种新的变量筛选方法,可以选择对因变量有显著解释作用的自变量,并且将没有解释作用的信息及冗余信息有效地分解出来并排除掉。将该方法应用于森林覆盖率影响因素分析,有效地进行了变量筛选,并得到了解释性很强同时拟合优度较高的模型结果。In application of multiple linear regression model,overfull variables will be selected into initial dependent variable set,due to subjective judgment of analysts.This paper proposes a new method of variable selection based on Schmidt process.The new method adopts independent variables which have significant explanation to dependent variables,decomposes and eliminates redundant information.This method is applied in the analysis of affecting factors of forest coverage.An effective variable selection is implem...

关 键 词：施密特过程 变量筛选 森林覆盖率 

分 类 号：S711[农业科学—林学]