论文部分内容阅读
在建立天气预报回归方程的过程中，预报因子(解释变数)往往具有很强的共线性且具有庞大的数量。在共线性的影响下，若采用一般常用的最小平方法来建立模式，回归系数估计显得很不稳定；传统变数选取方法-逐步回归方法虽可对待选预报因子做挑选，但离散型的选取方式易受到资料些微变动而影响结果，而且一旦预报因子过多将影响其运算效率。为改善回归系数估计的稳定性及逐步回归方法的缺点，本研究将介绍压缩系数的概念，引进同时具有压缩系数与挑选变数的最小绝对压缩挑选机制(LASSO)，并以台北站日均温资料为例，分别使用LASSO方法、复回归法、逐步回归法建立预报方程，再经十年交叉验证资料分析比较，以验证压缩系数回归方法在天气预报可能的效益。