如何用Python实现门限回归算法？

本文共计4962个文字，预计阅读时间需要20分钟。

阈值回归模型（Threshold Regressive Model，简称TR模型）的基本思想是通过阈值变量的控制作用，实现对预测结果的调整。在给出预测报告后，首先根据阈值变量的阈值值进行判断，以决定是否调整预测结果，从而适应不同情况。

门限回归模型(Threshold Regressive Model，简称TR模型或TRM)的基本思想是通过门限变量的控制作用，当给出预报因子资料后，首先根据门限变量的门限阈值的判别控制作用，以决定不同情况下使用不同的预报方程，从而试图解释各种类似于跳跃和突变的现象。其实质上是把预报问题按状态空间的取值进行分类，用分段的线性回归模式来描述总体非线性预报问题。

多元门限回归的建模步骤就是确实门限变量、率定门限数L、门限值及回归系数的过程，为了计算方便，这里采用二分割（即L=2）说明模型的建模步骤。

基本步骤如下(附代码)：

1.读取数据，计算预报对象与预报因子之间的互相关系数矩阵。