多元回归、判别分析以及主成分分析都是人们十分熟悉的多元数据分析模型。在信息技术飞速发展的今天，数据分析技术的发展也面临着新的机遇与挑战。在许多应用研究中，系统中的数据规模变得越来越大。与此同时，参与系统分析的模型数量也急剧膨胀。面对这样的问题，《变量筛选模型分类及自动化建模方法》(作者王惠文、孟洁)重点讨论了变量筛选、模型分类、模型预测以及自动化建模等技术方法，以便更高速、高效、高质地解决大规模的数据系统的建模和预测分析等问题。

《变量筛选模型分类及自动化建模方法》采用理论与实践相结合的方式，重点介绍了变量筛选、模型分类及自动化建模方法。在《变量筛选模型分类及自动化建模方法》(作者王惠文、孟洁)内容中，很多是直接来源于本书作者与其合作者在相关领域的研究工作，诸如关于变量多重相关对多元回归、主成分分析以及偏最小二乘回归等几种有代表性的多元分析模型的影响方式；基于Grarn-Schmidt变换的无导师模型与有导师模型的变量筛选方法；多元分析建模的本征信息的分析，以及模型的动态预测方法、海量模型的分类方法和多元回归的自动化建模方法等。本书在写作过程中，特别重视其实用价值，对提及的技术方法都给出了仿真实验研究和应用案例研究，这些实际研究的示范可以帮助工程技术人员和管理工作者更全面地掌握相关理论方法的基本原理和应用技巧，使得变量筛选、模型分类及自动化建模方法成为他们手中的一个实用工具。

本书的读者对象为经济、管理、社会及工程等领域的科研人员，以及高等院校相关专业的研究生和高年级本科生。

总序

前言

第1章 绪论

1．1 引言

1．2 本书的内容结构

1．3 数据表的基本知识

1．4 本章小结

第2章 变量多重相关性对特征提取类建模方法的影响

2．1 变量多重相关性问题

2．2 变量多重相关性对主成分分析的影响

2．3 变量多重相关性对普通最小二乘回归的影响

2．4 主成分回归方法

2．5 变量多重相关性对偏最小二乘回归的影响

2．6 本章小结

第3章 Gram-Schmidt变换及其相关性质

3．1 Grarn-Schmidt变换方法

3．2 变量之间的直交性与无关性

3．3 测度被Gram-Schmidt变换删除的信息成分

3．4 冗余变量及其假设检验方法

3．5 本章小结

第4章 基于Gram-Schmidt变换的无导师变量筛选方法

4．1 简约变量集合的基本特性

4．2 主基底的构造和相关性质

4．3 基于主基底分析的变量筛选方法及其应用

4．4 基于主基底分析的两阶段变量筛选方法及其应用

4．5 基于主基底分析的分组变量筛选方法及其应用

4．6 本章小结

第5章 基于Gram-Schmidt变换的有导师变量筛选方法

5．1 普通最小二乘回归中的变量筛选方法

5．2 Gram-Schmidt回归方法

5．3 赋权的Gram-Schmidt筛选方法及其应用

5．4 基于Gram-Schmidt变换的多组自变量回归建模

5．5 基于Gram-Schmidt变换的判别变量筛选方法及其应用

5．6 快速Grarn-Schmidt回归方法

5．7 本章小结

第6章 多元分析模型的本征信息及模型预测方法

6．1 多元分析模型的本征信息

6．2 二阶矩矩阵的预测方法

6．3 多元线性回归的预测建模方法

6．4 Fisher判别模型的预测建模

6．5 本章小结

第7章 自动化回归建模方法

7．1 大规模曲线自动聚类方法

7．2 多元线性回归模型的自动聚类方法

7．3 非线性回归模型的自动辨识方法

7．4 本章小结

第8章 投入产出表的预测建模方法

8．1 投入产出表

8．2 投入产出表A表的预测建模方法

8．3 A表预测建模的仿真分析

8．4 A表预测建模的案例分析

8．5 本章小结

参考文献