变量筛选、模型分类及自动化建模方法

　　《变量筛选、模型分类及自动化建模方法》中还探讨了多元分析模型的动态预测问题，从而可以在未知未来样本数据的前提下，预测多元分析的模型参数和模型评价指标。此外，作为一个大型的应用示范，《变量筛选、模型分类及自动化建模方法》还系统研究了一套时序投入产出表预测建模技术。书中的研究成果将为多元数据分析的工业化发展提供重要的关键技术，为经济管理中的数据处理提供一类新型的应用工具。

 

《变量筛选、模型分类及自动化建模方法》采用理论与实践相结合的方式，重点介绍了变量筛选、模型分类及自动化建模方法。在《变量筛选、模型分类及自动化建模方法》内容中，很多是直接来源于《变量筛选、模型分类及自动化建模方法》作者与其合作者在相关领域的研究工作，诸如关于变量多重相关对多元回归、主成分分析以及偏最小二乘回归等几种有代表性的多元分析模型的影响方式;基于Gram-Schmidt变换的无导师模型与有导师模型的变量筛选方法;多元分析建模的本征信息的分析，以及模型的动态预测方法、海量模型的分类方法和多元回归的自动化建模方法等。《变量筛选、模型分类及自动化建模方法》在写作过程中，特别重视其实用价值，对提及的技术方法都给出了仿真实验研究和应用案例研究，这些实际研究的示范可以帮助工程技术人员和管理工作者更全面地掌握相关理论方法的基本原理和应用技巧，使得变量筛选、模型分类及自动化建模方法成为他们手中的一个实用工具。
《变量筛选、模型分类及自动化建模方法》的读者对象为经济、管理、社会及工程等领域的科研人员，以及高等院校相关专业的研究生和高年级本科生。

第1 章
绪论
1.1 引言
在信息技术飞速发展的今天,统计数据分析理论与方法的发展正面临着许多新的挑战。例如,在许多企业、银行、政府机构的应用项目中,人们经常需要在很短的时间内快速建立成百上千甚至是成千上万个统计模型,或者需要对大量的统计模型进行解释和分析。例如,对众多地区逐年GDP(groupsdomesticprod-uct,即国内生产总值)的增长模式进行辨识,对工业企业的各种产品的销售进行预测等。这时,“ 时间”就会成为人们评价建模分析工作的重要因素。在此类应用需求的激励与推动下,如何合理地设计一个标准化的建模过程,以及构建自动化的模型拟合器,从而实现快速建模的目的,这一研究问题引起了人们的极大兴趣。反映到数据分析领域,人们已经开始把研究视角从海量“数据挖掘” 拓展到海量“模型挖掘” idsraiainonlss)
。由此出现了工业化分析(nutilztofaayi的概念(Fogelman-Soulié,2008), 这为现代统计数据分析开辟了一个新兴的研究领域。
工业化分析(或称工业化建模)的目的是要在一个较短的时间内,快速建立一大群数量可观的模型。其实,很早以前,这样的业务需求就已经见诸许多企业的管理实践。例如,在20 世纪70 年代,美洲航空公司发展的分配与计划系统,就可以提供从咖啡机到起落架的超过5000 种备件的需求预测。这些备件的保障供应对一架飞机的正常运行都是至关重要的。从库存管理的角度来看,备件短缺会导致航班取消或延误,带来很高的成本;但过于保守地存储过多的备件,又会导致企业积压资金并提高库存成本。由此可见,准确预测这5000 多种备件的需求量将会为企业节约大量的资金,并有效地保证飞机运行。为了解决这一问题,美洲航空公司曾采用回归模型,建立月度备件更新数量关于月度飞行小时的函数关系。试想一下,如果大多数回归模型都是非线性的,并且它们的非线性形式都是未知的,那么采用以往手工建模的方式,对每个模型的非线性形式进行反复的尝试性分析,是很难在短时间完成的。从类似的应用需求可以看出,工业化建模技术的发展,必然会极大地推动经济管理理论与实践的发展。
在建模过程中提到的工业化概念,可以简单地概括为合理化、批量化、自动化以及适度的质量控制。这里首先解释“合理化”的概念。追溯到19世纪欧洲工业化初期,泰勒(Tay