关于时间序列中非参数回归方法的一些资料关于时间序列中非参数回归方法的一些资料

一个很好的支持向量机工具箱，支持回归和分类

开源的回归算法，C++的库，（含源码），初步学习中，分享下

偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很多且都存在多重相关性，而观测数据的数量（样本量）又较少时，用偏最小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点。 偏最小二乘回归分析在建模过程中集中了主成分分析，典型相关分析和线性回归分 析方法的特点，因此在分析结果中，除了可以提供一个更为合理的回归模型外，还可以 同时完成一些类似于主成分分析和典型

线性回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法之一，运用十分广泛。分析按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

Matlab 回归分析 输出结果与stata类似

有关最小二乘法和线性回归的讲义，比较详细系统

预测，建立模型，多元线性回归很好的应用，课程资源，对数据进行预测。

虚拟变量回归模型-案例数据-EVIEWS 这是非常好的案例，十分值得学习

】针对股市的非线性和不确定性的特点，本文提出了一种基于 支持向量机自回归分析的股市动态预测模型。该模型利用滚动时间窗 动态截取股票时间序列，然后对其进行相空间重构，最后利用支持向量 机回归算法，在高维映射空间中求解线性回归问题。利用上证综指的 长期和短期数据对该模型的预测效果进行了验证，并将预测结果与 RBF神经网络预测模型进行了的对比。预测和对比结果表明，支持向 量机自回归预测模型具有较强