中文摘要 | 第8-10页 |
英文摘要 | 第10-11页 |
本文记号及缩写 | 第12-13页 |
第一章 引言 | 第13-29页 |
§1.1 成分数据的研究背景和意义 | 第13-15页 |
§1.2 成分数据分析方法的回顾 | 第15-26页 |
§1.2.1 成分数据的零值处理方法 | 第16-22页 |
§1.2.2 成分数据的回归分析模型 | 第22-26页 |
§1.3 本文的研究内容和组织结构 | 第26-29页 |
第二章 成分数据的准备工作 | 第29-43页 |
§2.1 成分数据的Aitchison几何结构 | 第29-30页 |
§2.2 成分数据的坐标表示 | 第30-36页 |
§2.3 单形上的矩阵乘积运算 | 第36-38页 |
§2.4 成分数据的中心和方差 | 第38-43页 |
第三章 基于成分因变量和成分自变量的多元线性回归模型 | 第43-59页 |
§3.1 单形上的多元线性回归模型 | 第43-44页 |
§3.2 基于等距对数比率坐标的多元线性回归模型 | 第44-48页 |
§3.3 提出模型的参数推论 | 第48-54页 |
§3.4 实例分析 | 第54-57页 |
§3.5 本章小结 | 第57-59页 |
第四章 基于成分因变量和成分自变量的异方差线性回归模型 | 第59-79页 |
§4.1 异方差线性回归模型的参数估计 | 第59-63页 |
§4.2 异方差线性回归模型的参数推论 | 第63-67页 |
§4.3 模拟分析 | 第67-75页 |
§4.4 实例分析 | 第75-77页 |
§4.5 本章小结 | 第77-79页 |
第五章 高维成分数据近似零值的Q型聚类回归插补方法 | 第79-91页 |
§5.1 提出的方法 | 第79-86页 |
§5.2 模拟分析 | 第86-89页 |
§5.3 实例分析 | 第89-90页 |
§5.4 本章小结 | 第90-91页 |
第六章 基于成分因变量和成分自变量的偏最小二乘回归模型 | 第91-107页 |
§6.1 基于对称对数比率系数的偏最小二乘回归模型 | 第91-94页 |
§6.2 提出的单形上的偏最小二乘回归模型 | 第94-102页 |
§6.3 实例分析 | 第102-105页 |
§6.4 本章小结 | 第105-107页 |
第七章 结论与展望 | 第107-109页 |
参考文献 | 第109-117页 |
攻读博士学位期间的主要研究成果 | 第117-118页 |
致谢 | 第118-120页 |
个人简介及联系方式 | 第120-122页 |