如果赶时间可直接看小结部分,再返回看正文。
在此,以【解决影响煤炭价格的主要因素】为例,对影响因素分析可采用的模型进行简单介绍。
本文语言会尽量简单,在便于理解的同时,不可避免的会失去部分准确度,因此仅供参考,如有错误,欢迎指出,并以专业论文为准。

更多专业论文点此查询:

掌桥科研【一站式科研服务平台】

数学建模的影响因素分析方法:
一、PCA主成分分析
主成分分析法(Principal Component Analysis),是一种使用最广泛的数据降维算法。这个算法实际应用中可以将多个影响因素合并为较少的影响因素。

相关文献:

基于PCA主成分分析和K-means算法的汽车行驶工况数据量化研究​www.zhangqiaokeyan.com/academic-journal-cn_software-engineer_thesis/0201277542671.html?from=01-108-jcg-316​www.zhangqiaokeyan.com/academic-journal-cn_software-engineer_thesis/0201277542671.html?from=01-108-jcg-316基于PCA主成分分析和BP神经网络企业库存预测的研究​www.zhangqiaokeyan.com/academic-journal-cn_software-engineer_thesis/0201242536587.html?from=01-108-jcg-316​www.zhangqiaokeyan.com/academic-journal-cn_software-engineer_thesis/0201242536587.html?from=01-108-jcg-316

例如,假设价格 f ( x ) ,f ( x ) 是由因素 x 1 x_{1} x1​、 x 2 x_{2} x2​、 x 3 x_{3} x3​所影响的。现在对于价格 f ( x ) f(x) f(x)的影响因素有3个。
而主成分分析法的数据降维,可以减少对于价格 f ( x ) f(x) f(x)的影响因素的数量。
假设使用了主成分分析法后,得到了两个影响因素 y 1 y_{1} y1​、 y 2 y_{2} y2​,那么就可以确定价格 f ( x ) f(x) f(x)受 y 1 y_{1} y1​、 y 2 y_{2} y2​所影响,其中 y 1 = λ 1 x 1 + λ 2 x 2 + λ 3 x 3 y_{1}=\lambda_{1}x_{1}+\lambda_{2}x_{2}+\lambda_{3}x_{3} y1​=λ1​x1​+λ2​x2​+λ3​x3​、 y 2 = μ 1 x 1 + μ 2 x 2 + μ 3 x 3 y_{2}=\mu_{1}x_{1}+\mu_{2}x_{2}+\mu_{3}x_{3} y2​=μ1​x1​+μ2​x2​+μ3​x3​, λ \lambda λ和 μ \mu μ为影响因素 x x x的系数。

因此通过主成分分析法,我们就可以得到新的较少的影响因素,并且还可以减少个别影响因素的波动和噪声造成的影响,除此之外得到的原本影响因素在其中的相关度,也便于之后的数据处理和分析。

此外,如果要使用这种方法,所需要的是因变量(主成分,即上例中的价格)和自变量(即不同影响因素)的量化数据。

二、灰色关联分析
灰色关联分析法是根据因素间发展趋势的相似或相异程度,作为衡量因素间关联程度的一种方法。

相关文献:

岷县当归产量影响因素的灰色关联分析——基于面板数据的实证研究
鹰爪虾形态性状和体重的通径分析及灰色关联分析

灰色关联分析法可以得出的是,各个因素间的相似关系(具体的关联度)。这个分析法可以理解为,将两个因素随时间(或其他变化量)变化的曲线画在折线图上,比较两个因素间变化的相似性,并且给出具体的关联度。用
这种方法,将之前例子中的价格 f ( x ) f(x) f(x)跟影响因素 x 1 x_{1} x1​、 x 2 x_{2} x2​、 x 3 x_{3} x3​之间分别进行灰色关联分析,即可得到三个关联度,分别反映了影响因素和价格变化的相似或相异程度,数值越大,可以说明其关联程度越大,反之,关联程度较小。
灰色关联分析跟PCA分析法一样,需要具体的量化数据才可以进行。但是好像没有专业的软件可以进行,不过网上有很多用不同语言实现的代码,可以自行搜索。

三、AHP层次分析
层次分析法(Analytic Hierarchy Process)是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。
简单来说就是将具体的可以量化的关系(如苹果价格是西瓜的两倍)与决策者的经验(如认为价格比品控重要)相结合,以此来做出决策的分析方法。

相关文献:

AHP层次分析与K-means聚类相结合的博士学位论文评价指标权重确定方法
基于AHP层次分析的云南能源安全预测预警机制

层次分析法的关键步骤是,将不同的影响因素重要程度两两进行对比,并出于客观或者主观给出具体的量化关系;然后将不同计划中,不同影响因素的影响程度进行对比,同样出于客观或主观的因素给出具体的量化关系。然后通过计算可以得出最优解。
所以可以理解为,这种分析方法应该用于的情况是,从多种备选方案中得出最优方案,而不是一种得出主要影响因素及其关联度的方法。但是这种方法可以避免许多因素无法很好的量化的问题,将这种方法的思路与其他分析法相结合,就可以实现对于无法量化的因素的分析。

四、小结
总的来说,三种分析方法都有不同的偏向。主成分分析法偏向于化简影响因素,从而达到优化计算的效果;灰色关联分析是得到不同因素之间关联度的一种方法。这两种方法都是需要具体的量化数据才能够进行分析。与这两种不同,层次分析法是一种做出优秀决策的分析方法,并且可以实现量化主观因素的效果,将它与其他方法结合可以实现较好的分析。

其他论文写作技巧:
请问大家在什么网站上能查到英文文献?
https://zhuanlan.zhihu.com/p/536125827
管理学论文怎么写?近年来30个热点选题,附论文参考!
https://zhuanlan.zhihu.com/p/534743809
敲黑板!!!论文反复返工,显示【论文结构】不过关,怎么破?着急!
https://zhuanlan.zhihu.com/p/535279209

影响因素分析论文用什么模型好?相关推荐

  1. R语言Logistic回归模型案例:低出生婴儿体重的影响因素分析(列线图、校准曲线)

    R语言Logistic回归模型案例:低出生婴儿体重影响因素分析(列线图.校准曲线) 目录 R语言Logistic回归模型案例:低出生婴儿体重影响因素分析(列线图.校准曲线ÿ

  2. Eviews基于多元回归模型OLS的CPI影响因素分析

    全文链接:http://tecdat.cn/?p=32104 2015年以来,通货膨胀越来越成为我国的重要经济现象.作为衡量通货膨胀的主要指标,CPI(消费者物价指数)与人们的生活具有最密切的关系(点 ...

  3. 关于考研人数预测的matlab课程论文,计量经济学论文-考研人数的影响因素分析计量经济学论文-考研人数的影响因素分析.doc...

    PAGE PAGE - 13 - 影响报考硕士研究生人数的因素分析摘要:随着我国经济的快速增长,我国对人才市场需求的逐年增加,越来越多的大学生在毕业之后选择了继续深造学业而不是直接就业.尤其是近几年的 ...

  4. 脑外伤急救后迟发性颅脑损伤影响因素分析案例

    脑外伤急救后迟发性颅脑损伤影响因素分析案例 案例导读: 研究者收集了脑外伤急救病例供201例,希望能够从中分析出导致急救后迟发性颅脑损伤的主要影响因素. 分析中首先利用表中的Logistic回归模型进 ...

  5. 中国消费者信息指数影响因素分析

    中国消费者信息指数影响因素分析 案例导读: 研究者希望对受访者的背景资料对消费者信心指数的影响加以研究,并进一步考察其内部的详细作用方式. 分析中首先采用方差分析模型进行了自变量筛选,然后建立多元方差 ...

  6. 广东省老龄化预测及影响因素分析

    广东省老龄化预测及影响因素分析 根据1956年联合国<人口老龄化及其社会经济后果>确定的划分标准,当一 个国家或地区65岁及以上老年人口数量占总人口比例超过7%时,则意味着这个 国家或地区 ...

  7. 帆软所有销量为0的显示为空值_爆品秘籍?—线上三亚跟团游销量影响因素分析...

    如何在一次又一次的时下热潮中,让自己的旅行产品卖成爆品,正是旅行社所密切关心的.我们以三亚跟团游在线旅游产品为例,对销量的各个可能影响因素进行描述建模,并对消费者评论内容进行词频统计.利用LDA模型进 ...

  8. 高校学生学科竞赛获奖水平影响因素分析 ---以湘潭大学为例

    题目: 高校学生学科竞赛获奖水平影响因素分析 -以湘潭大学为例 姓名: 宋旭升 高校学生学科竞赛获奖水平影响因素分析 -以湘潭大学为例 摘要:本文以湘潭大学为例通过对可能影响高校学生学科竞赛获奖水平影 ...

  9. Lanenet 车道线检测网络模型学习(论文解读+官方模型)

    本文讲解的是用于车道线检测的一个网络结构叫lanenet, 转载请备注,多谢哈|! 2018.2发表出来的,文章下载地址:https://arxiv.org/abs/1802.05591 github ...

  10. 大学生观看直播时长影响因素分析

    目录 1变量说明 2描述性统计 2.1大学生观看直播情况 2.2观看时间.平台.类型 2.3观看者行为 2.4对直播的印象认识 3模型建立 3.1多元线性回归 3.2模型检验 3.3模型解读 4结论与 ...

最新文章

  1. 【FFmpeg】设置H264参数
  2. Hooq 登陆新加坡,“亚洲版 Netflix ”要与对标公司抢夺东南亚视频市场
  3. .NET 正则表达式’$’符号的使用
  4. 积累有价值的seo资源提高网站优化效果
  5. redis lettuce_Redis Client Lettuce 5 GA发布
  6. 集群(cluster)amp;高可用性(HA)概念
  7. Java笔记-CXF使用Adapter处理复杂类型(如Map)
  8. 租号平台正在把“未成年”变成“大人”
  9. 中国物流领域首次!菜鸟路径规划算法入围全球最高工业奖项
  10. Visual Studio 2010 - 推荐的扩展[关闭]
  11. appender log4j 扩展_详解Tomcat使用Log4j输出catalina.out日志
  12. 六大设计原则之SRP
  13. CHK文件恢复工具、软件(CHKRecovery V2.0)
  14. highcharts去水印方法
  15. excel只能在编辑栏粘贴_如何在Excel中切换到编辑模式
  16. python 百分号调用内置函数_建议你吃透python这68个内置函数!
  17. 13 标准模板库STL【C++】
  18. 如何开发手游联运平台?
  19. 《C++语言基础》网络课程主页
  20. 看书APP开发制作流程(成品案例)

热门文章

  1. 上帝掷骰子吗?量子物理史话——读书笔记
  2. CF卡镜像备份及恢复系统
  3. vue3里面高德地图绘制3D图形
  4. Word2016删除插入尾注参考文献下横线
  5. 手机投屏到电脑的5种方式,你学到了吗!
  6. web开发工程师面试题,CSS盒子模型居中方法
  7. 一文彻底搞懂替罪羊树
  8. Android 版本统一管理
  9. python input隐藏输入_python输入input
  10. 微信卡包开发(JS-JDK)