1) regression coefficient matrix
回归系数矩阵
1.
To determine the rank of regression coefficient matrix in a multivariate linear regression model, a model selection procedure is proposed based on the M-estimation.
为了确定多重线性回归模型中回归系数矩阵的秩， 本文提出了一个基于Ｍ估计的模型选择程序， 且在较弱的条件下建立了回归系数矩阵的秩的估计的强相合性。
4) regression coefficient
回归系数
1.
The combining generalized ridge and principal components estimator of regression coefficient in growth curve model;
增长曲线模型中回归系数的广义岭型主成分估计
2.
The linear minimax estimation of regression coefficient in a general Gauss-Markov Model under balanced loss function
平衡损失下一般Gauss-Markov模型中回归系数的线性Minimax估计
3.
The relationship of the correlative coefficients and the regression coefficients is proved, and another new target P2 for the correlation degree among the described variables is put forward in the peper.
本文推导了相关系数与回归系数之间的关系，提出了描述变量之间相关程度的另一个新指
5) regression coefficients
回归系数
1.
Admissible estimatiors for regression coefficients and parameters in multivariate stochastic effective linear model under restricted conditions;
约束条件下多元随机效应线性模型中回归系数和参数的可容许估计
2.
Applying the principle of least square estimation and numerical solution of nonlinear equation, a new method is used to define regression coefficients in the pure nonlinear regression model that only one parameter appears in the nonlinear form.
针对只有一个参数是以非线性形式出现的纯非线性回归模型,提出一种新方法确定模型中的回归系数。
3.
This paper deals with the quantitative relations between regression coefficients and partial correlation coefficients in multivariate linear regression, and their statistical meanings.
本文论述多元线性回归中的回归系数与偏相关系数之间的数量关系以及它们的统计意义。
6) coefficient matrix
系数矩阵
1.
The Application of mathematica in calculating FEM coefficient matrix;
Mathematica软件在计算有限单元法系数矩阵中的应用
2.
A computing method of coefficient matrix is given.
对包含奇异点在内的几个特殊点给出了柱底面对这些点所张立体角的值 ,并给出了电测井积分方程系数矩阵的计算方法。
3.
Furthermore, this method also ascribes the interpolation issue with m independent variables and n powers to the research on the coefficient matrix of the linear system of equations about weighted coefficients.
同时 ,该方法将具有普遍意义的 m元 n次插值问题 ,归结为关于加权系数的线性方程组系数矩阵的研
补充资料：回归矩阵
回归矩阵
regression matrix
其中M，二一N一’(艺几tx:二了)，M，二一N一’(艺几:，，对’).在只有一个内生变量的情形下，夕=了x，该估计宜表示为 a一(了x)一’xTY，其中Y是观测列向量(y:，二，y、)T，X是”维行向量x)’(r“l，…，N)构成的(N xn)观测矩阵.在[AI]，〔A2】中研究了许多类型和推广.亦见回归分析(比召记ssion ana]声is).回归矩阵【佣res幽翻n.州x;琳印ecc似Ma冲叫a〕 多维线性回归(J斑笋出m)模型 X=BZ+。(*)中，回归系数(碳叨溺幻n以犯ffi‘ent)几‘(j二1，“‘，“;￡=1，一，r)的矩阵B.模型(，)中，X是元素为X，*(j二l，二，m;k二l，…川的矩阵，其中戈*(k=1，…，的是对原m维随机变量的第j分量的观测值;Z是已知回归变量毛*(i二1，…，‘k=1，…，n)的矩阵;￡是误差马*(E“，*=o;j=l，”’，m;k二1，…，的的矩阵·回归矩阵B的元素几。是未知的和待估计的.模型(*)是回归分析(化助淤ion ana加is)的一般线性模型(罗理份111川乏rn协del)推广到m维的情形.【补注】例如，在经济计量学中常使用如下模型:m个变量y，，，二，夕.是被解释变量(内生变童(。川。-罗加招从川ab]巴))，通过n个解释变量(外生变盆(exo·罗加璐妮币abh))，表示为线性关系y二A x.给出N对(含误差的)测量结果(y，，x。)，需要估计系数矩阵A.模型为 y。二Ax，十￡，在。，的均值为o，相互独立且服从同一正态分布(nor-n坦1 dis川butjon)的条件下，称为标准线性多重回归模型(stan(纽td五业坦rml洲P七比g七洛ion功。北1)，简称为线性模型仕口既吐m以北l)或标准线性模型(sta庄纽rd】jn。址功。北1).由最小二乘法得最优估计为: 才=M，、M二犷，
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条