基于广义线性回归模型的统计预测及其应用

论文摘要

回归分析是一种应用极为广泛的数量分析方法。利用回归分析方法来分析变量之间关系时的一个基本要求是,被解释变量应是连续数值型变量。然而,实际中这种要求未必都能得到较好的满足。当变量是非数值型变量时,普通的回归模型将不再适用。广义回归模型正是解决这类问题的一种统计分析方法。它适用于连续和离散型数据,特别是属性数据、计数数据。本文研究了多种广义线性回归模型方程的建立,其参数估计、参数显著性检验、模型拟合检验等方法。接着对奥林巴斯售后服务满意度及其影响因素建立了广义回归模型,并对其进行了统计分析,说明了广义回归在解决变量是非连续型变量时的优越性。

论文目录

• 中文摘要
• 英文摘要
• 第一章 引言
• 1.1 研究广义回归分析的意义
• 1.2 广义线性模型的发展
• 第二章 广义线性回归模型及其参数估计和假设检验
• 2.1 广义线性回归模型
• 2.1.1 一维广义线性回归的模型
• 2.1.2 哑变量
• 2.1.3 联系函数和自然联系函数
• 2.1.4 多维广义线性回归
• 2.2 广义回归模型的参数估计
• 2.3 广义线性模型的假设检验
• 2.4 模型参数的意义
• 2.5 模型的选择与诊断
• 2.5.1 模型的诊断
• 2.5.2 模型的选择
• 2.6 对累积logit模型的几点讨论
• 第三章 奥林巴斯内镜售后服务满意度的广义线性模型建立及其统计分析
• 3.1 奥林巴斯内镜售后服务满意度影响因素的最优尺度回归分析
• 3.1.1 奥林巴斯简介
• 3.1.2 研究背景及数据来源
• 3.1.3 售后服务满意度影响因素的最优尺度回归分析
• 3.2 奥林巴斯内镜售后服务满意度影响因素的累积线性模型
• 3.2.1 累积logit模型的结构
• 3.2.2 有序多分类Logistic回归系数的涵义
• 3.2.3 奥林巴斯售后服务满意度有序多分类Logistic回归分析
• 第四章 结论
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况