| 中文摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-6页 |
| 符号说明 | 第6-7页 |
| 第1章 绪论 | 第7-9页 |
| ·回归分析中变量选择问题的背景和意义 | 第7页 |
| ·回归分析中变量选择问题研究现状 | 第7-8页 |
| ·本文研究内容概述 | 第8-9页 |
| 第2章 多元回归模型简介 | 第9-15页 |
| ·单因变量的多元回归问题 | 第9-12页 |
| ·单因变量多元线性回归模型 | 第9-10页 |
| ·参数向量的最小二乘估计 | 第10页 |
| ·回归方程的显著性检验 | 第10-12页 |
| ·多因变量的多元回归问题 | 第12-14页 |
| ·多因变量多元线性回归模型 | 第12-13页 |
| ·参数的最小二乘估计 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第3章 变量选择常用方法 | 第15-22页 |
| ·全子集法 | 第15-17页 |
| ·R~2选择法 | 第15页 |
| ·修正R~2选择法 | 第15-16页 |
| ·C_p选择法 | 第16-17页 |
| ·最优子集选择法 | 第17-19页 |
| ·先前引入法 | 第17页 |
| ·向后剔除法 | 第17-18页 |
| ·逐步筛选法 | 第18-19页 |
| ·最大和最小R~2增量法 | 第19页 |
| ·系数压缩法 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第4章 变量选择常用准则 | 第22-28页 |
| ·准则的优劣标准 | 第22页 |
| ·基于误差最小的准则 | 第22-25页 |
| ·均方误差最小准则 | 第22-23页 |
| ·C_p统计量准则 | 第23-24页 |
| ·修正R~2准则 | 第24页 |
| ·预测均方误差及平方和最小准则 | 第24-25页 |
| ·基于Kullback-Leiber及Fisher信息的准则 | 第25-27页 |
| ·Kullback-Leiber信息 | 第25页 |
| ·Fisher信息 | 第25页 |
| ·AIC准则 | 第25-27页 |
| ·基于后验概率最大的准则 | 第27页 |
| ·BIC准则 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第5章 准则的性质简介 | 第28-31页 |
| ·有效性 | 第28页 |
| ·无偏性 | 第28-29页 |
| ·相合性 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第6章 关于准则的一点改进 | 第31-35页 |
| ·准则改进的想法 | 第31页 |
| ·准则改进的推导过程 | 第31-33页 |
| ·准则改进后的模拟仿真计算 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 结论 | 第35-36页 |
| 参考文献 | 第36-40页 |
| 附录 | 第40-41页 |
| 致谢 | 第41-42页 |
| 攻读学位期间发表的学术论文 | 第42-43页 |