統計模型
| 統計模型 |
統計模型[stochasticmodel；statisticmodel；probabilitymodel]指以概率論為基礎，採用數學統計方法建立的模型。有些過程無法用理論分析方法導出其模型，但可通過試驗測定數據，經過數理統計法求得各變量之間的函數關係，稱為統計模型。常用的數理統計分析方法有最大事後概率估算法、最大似然率辨識法等。常用的統計模型有一般線性模型、廣義線性模型和混合模型。統計模型的意義在對大量隨機事件的規律性做推斷時仍然具有統計性，因而稱為統計推斷。常用的統計模型軟件有SPSS、SAS、Stata、SPLM、Epi-Info、Statistica等。
目錄
簡介
統計模型是一組數學模型，它包含了一組關於樣本數據的假設。統計模型通常以相當理想化的形式表示數據生成過程。統計模型所體現的假設由一組概率分布來描述，其中一些概率分布被假定為充分近似於對特定數據集進行採樣的分布。統計模型固有的概率分布是統計模型與其他非統計數學模型的區別。統計模型通常由與一個或多個隨機變量以及可能的其他非隨機變量相關的數學方程來指定。因此，統計模型是「理論的形式化表示」。所有的統計假設檢驗和所有的統計估計都來自統計模型。更一般地說，統計模型是統計推斷基礎的一部分。常用的數理統計分析有最大事後概率估算法，最大似然率辨識法最大事後概率估算法，最大似然率辨識法等。
評價
判別分析就是在已知研究對象分為若干類型(組別)並已經取得各種類型的一批已知樣品的觀測數據基礎上，根據某些準則，建立起儘可能把屬於不同類型的數據區分開來的判別函數，然後用它們來判別未知類型的樣品應該屬於哪一類。根據判別的組數，判別分析可以分為兩組判別分析和多組判別分析;根據判別函數的形式，判別分析可以分為線性判別和非線性判別；根據判別時處理變量的方法不同，判別分析可以分為逐步判別、序貫判別等;根據判別標準的不同，判別分析有距離判別、Fisher判別、Bayes判別等。 判別分析與聚類分析同屬分類問題，所不同的是，判別分析是預先根據理論與實踐確定等級序列的因子標準，再將待分析的地理實體安排到序列的合理位置上的方法，對於諸如水土流失評價、土地適宜性評價等有一定理論根據的分類系統定級問題比較適用。在地理信息統中發展了一種多因素模糊評價模型，相當於模糊評判分析。該方法首先根據標準類別參數的指標空間確定各因素各類別對目標的隸屬度，作為判別距離的度量，再結合要素的權重指數，採用適當的模糊算法，計算各地理實體的歸屬等級類別，作為評價的基礎。該方法通過隸屬度表達人們對目標與因素之間關係的模糊性認識，用適當的算法將這種認識量化並反映到結果的分類中，對於地理學中的評價與規劃問題非常有效。[1]