| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 多重共线性的国内外研究现状 | 第10-11页 |
| 1.2.2 自相关性的国内外研究现状 | 第11-12页 |
| 1.2.3 GM(1,N)模型中病态性的国内外研究现状 | 第12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 技术路线 | 第13-14页 |
| 第2章 相关基础理论 | 第14-22页 |
| 2.1 灰色GM(1,N)模型 | 第14-16页 |
| 2.2 灰色关联分析 | 第16页 |
| 2.3 多重共线性 | 第16-19页 |
| 2.3.1 多重共线性诊断方法 | 第17-18页 |
| 2.3.2 处理多重共线性的有偏估计 | 第18-19页 |
| 2.4 自相关性 | 第19-21页 |
| 2.4.1 自相关系数 | 第19-20页 |
| 2.4.2 自相关性检验 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 灰色GM(1,N)模型中多重共线性的诊断与处理 | 第22-38页 |
| 3.1 GM(1,N)模型中多重共线性的诊断 | 第22-23页 |
| 3.2 GM(1,N)模型中多重共线性处理的主成分-岭回归法 | 第23-27页 |
| 3.3 GM(1,N)模型中主成分-岭回归法的可容许性和优良性 | 第27-36页 |
| 3.3.1 GM(1,N)模型中主成分-岭回归法的可容许性 | 第27-28页 |
| 3.3.2 GM(1,N)模型中主成分-岭回归法的优良性 | 第28-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第4章 灰色GM(1,N)模型中自相关性的诊断与处理 | 第38-47页 |
| 4.1 GM(1,N)模型中自相关性的诊断 | 第38-39页 |
| 4.2 GM(1,N)模型中自相关性处理的广义差分法 | 第39-46页 |
| 4.2.1 传统广义差分法 | 第39-40页 |
| 4.2.2 GM(1,N)模型的广义差分法 | 第40-42页 |
| 4.2.3 自相关系数估计方法 | 第42-44页 |
| 4.2.4 广义最小二乘法 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 GM(1,N)模型中多重共线性和自相关性的实证分析 | 第47-63页 |
| 5.1 数据采集和处理 | 第47页 |
| 5.2 GM(1,8)模型中多重共线性的实证分析 | 第47-56页 |
| 5.2.1 多重共线性诊断 | 第47-48页 |
| 5.2.2 GM(1,8)模型中多重共线性问题的处理 | 第48-56页 |
| 5.3 GM(1,8)模型中自相关性问题的实证分析 | 第56-62页 |
| 5.3.1 自相关性诊断 | 第56-57页 |
| 5.3.2 GM(1,8)模型中自相关性问题的处理 | 第57-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63页 |
| 6.2 研究展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士期间发表的论文 | 第69页 |
| 攻读硕士期间参加的科研项目 | 第69-70页 |
| 附录A | 第70页 |
