臺灣博碩士論文加值系統

PHD方法以及二元迴歸中的SAVE方法,
在一些條件限制下,
皆可用來估計維度縮減方向。
在本文中,
我們利用擾動模型來探討PHD和SAVE方法在估計維度縮減方向上的穩健性,
我們發現不論分配的限制為常態、t和uniform分配,
SAVE方法在絕大部分的情況下表現較好,
而在此三個分配設定中,
我們也發現在常態分配設定下,
兩個方法的表現是所有設定中最穩定的。

1. 導論
2. 維度縮減的相關方法
2.1 維度縮減
2.2 PHD方法
2.3 SAVE方法
3. PHD方法與SAVE方法的比較
3.1 擾動模型
3.2 比較準則
3.3 模擬結果與分析
3.3.1 模型一
3.3.2 模型二
3.3.3 模型三
3.3.4 模型四
3.4 t分配設定下之比較
3.4.1 模型一
3.4.2 模型二
3.4.3 模型三
3.4.4 模型四
3.5 uniform分配設定下之比較
3.5.1 模型一
3.5.2 模型二
3.5.3 模型三
3.5.4 模型四
3.6 不同分配之間的比較
3.6.1 模型一
3.6.2 模型二
3.6.3 模型三
3.6.4 模型四
4. 結論

1. 李碧涓 (2004), 維度縮減方法在二元迴歸上的相關檢定, 碩士論文, 中正大學統計科學研究所。
2. 陳順宇 (1998), 多變量分析, 華泰書局。
3. Cook, R. Dennis (1994), On the Interpretation of Regresseion Plot, Journal of the American Statistical Association, 89,177-189.
4. Cook, R. Dennis and Lee, Hakbae (1999), Dimension Reduction in Binary Response Regression, Journal of the American Statistical Association, 94,1187-1200.
5. Cook, R. Dennis and Weisberg, Sanford (1991), Sliced Inverse Regression for Dimension Reduction:Comment, Journal of the American Statistical Association, 86,328-332.
6. Li, Ker-Chau (1991), Sliced Inverse Regression for Dimension Reduction, Journal of the American Statistical Association, 86,316-327.
7. Li, Ker-Chau (1992), On Principal Hessian Directions for Data Visualization and Dimension Reduction: Another Application of Stein's Lemma, Journal of the American Statistical Association, 87,1025-1039.
8. Lue, Heng-Hui (2001), A Study of Sensitivity Analysis on the Method of Principal Hessian Directions, Computational Statistics, 16,109-130.
9. R: A Language and Environment for Statistical Computing (2005), R Foundation for Statistical Computing, Vienna, Austria, ISBN 3-900051-07-0. URL: http://www.R-project.org