摘要：随着数据收集技术在近年来的飞速发展，传统的统计方法都面临着“海量数据”的挑战．分治算法是应对海量数据的最有效方法之一：其基本思想是将整个数据集分成若干份较小的数据，在每份数据上单独拟合统计模型，然后将多个模型的结果进行整合从而得到最终的结果．模型平均是当代统计学和计量经济学研究的国际前沿方法，在经济、金融、生物、医学等方面有着广泛的应用．针对线性模型的MMA和JMA方法，以及广义线性模型的模型平均方法，文章分别提出了它们在海量数据下的分治算法，并通过模拟和实际数据分析来说明算法的有效性和实用性．
分类：期刊> 自然科学与工程技术> 基础科学> 基础科学综合
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：分治算法 广义线性模型 jma 线性模型 mma 海量数据
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
