偏正态数据下众数回归模型的统计诊断

为了更好地拟合偏态数据,充分提取偏态数据的信息,针对偏正态数据建立了众数回归模型,并基于Pena距离统计量对众数回归模型进行统计断研究,得到了众数回归模型的Pena距离表达式以及高杠杆异常点的诊断方法.利用EM算法与梯度下降法给出了众数回归模型参数的极大似然估计,根据数据删除模型计算似然距离、Cook距离和Pena距离统计量,绘制诊断统计图.通过Monte Carlo模拟试验和实例分析比较,说明文章提出的方法行之有效,并在一定条件下Pena距离对异常点或强影响点的诊断优于似然距离和Cook距离.     

空间变系数模型的局部线性BGWR估计

针对空间变系数回归模型,通过空间加权距离构造权重矩阵,基于多元线性回归模型的贝叶斯统计推断,得到了该模型的局部线性BGWR估计方法.通过此方法推导出回归系数的后验分布,采用Gibbs抽样得到回归系数的逐点估计.将所得结果通过绘制曲面图、计算偏差均值和标准差均值与LeSage的BGWR模型估计结果进行对比,进一步说明估计方法的有效性.     

基于组合模型的上市公司高送转预测

本文基于中国市场3465家上市公司7年的数据,首先利用随机森林算法提取出43个因子,再利用Lasso方法进行特征选取,最后选出11个重要因子,然后分别采用logistic回归和决策树方法构建两种预测模型,最后基于损失函数确定权重将两种预测模型按权重进行线性组合建立组合模型.实证结果表明,基于组合模型的预测准确率相比单一模型提高了1.39%.     

基于区域房价的空间自回归模型平均

文章是基于模型平均的方法对我国重点省会城市月度房价数据的空间自回归模型的拓展研究.通过一定的宏观经济解释变量和房价数据,构建区域房价的空间自回归模型,并在基于MMA准则的模型平均框架下,将不同的候选模型组合进行房价预测.对比经典空间自回归模型的预测,基于模型平均的MMA, SAIC和SBIC的预测有更高的精确度和更好的稳定性.     

基于直觉模糊软信息的多属性群决策方法

针对属性权重和专家权重信息都完全未知的多属性群决策问题,提出了一类以直觉模糊软集为数据环境的群决策方法。通过提取理想点结合距离测度构建非线性规划模型来求解属性权重。利用得分函数进行矩阵变换,基于各对象的综合正、负理想值构造满意度,并根据总体满意度最大化原则构建规划模型确定专家权重。最后利用属性权重和专家权重对得分矩阵进行加权平均,计算各对象的综合得分,进而给出具体的多属性群决策过程,并实例验证了决策方法的可行性和合理性。     

纵向数据半参数Beta回归模型的影响分析

本将随机效应当作是缺失数据,基于Q函数和EM算法并利用P-样条拟合非参数部分,得到了纵向数据半参数Beta回归模型估计方法.基于数据删除模型,我们得到了模型参数部分的广义Cook距离以及非参数部分的广义DFIT.此外,本文还研究了在四种不同扰动情形下模型的局部影响分析,得到了相应的影响矩阵.最后,我们通过两个数值实例验证了所得诊断统计量的有效性.     

基于指标信息量的灰色可能度聚类模型研究

针对灰色可能度聚类方法中指标权重确定问题,利用改进的CRITIC法确定指标权重,构建了改进的灰色可能度聚类模型.对于传统的CRITIC法,运用变异系数和点距离差值代替传统CRITIC法中的标准差和相关系数,以此代表指标间对比强度和冲突性并基于此提出了新型CRITIC法,解决了标准差不能有效反映指标变异程度,避免当指标数量较少时,相关系数波动性较大的问题.改进的灰色聚类模型通过各指标间信息量水平的差异从而确定指标的客观权重,有效体现了指标信息的重要作用,使权重的确定更加科学,最后运用算例验证改进灰色聚类模型的有效性.     

区间型符号数据的特征选择方法

对区间型符号数据进行特征选择,可以降低数据的维数,提取数据的关键特征。针对区间型符号数据的特征选择问题,本文提出了一种新的特征选择方法。首先,该方法使用区间数Hausdorff距离和区间数欧氏距离度量区间数的相似性,通过建立使得样本点与样本类中心相似性最大的优化模型来估计区间型符号数据的特征权重。其次,基于特征权重构建相应的分类器来评价所估计特征权重的优劣。最后,为了验证本文方法的有效性,分别在人工生成数据集和真实数据集上进行了数值实验,数值实验结果表明,本文方法可以有效地去除无关特征,识别出与类标号有关的特征。     

一种区间Pythagorean模糊VIKOR多属性群决策方法

针对属性信息为区间Pythagorean模糊集且属性权重和专家权重均未知的一类群决策问题, 结合信息熵理论, 提出了一种区间Pythagorean模糊VIKOR多属性群决策方法。首先定义一种新的区间Pythagorean模糊距离测度, 并讨论其性质。其次基于该距离测度定义了区间Pythagorean模糊相对距离指数, 并基于相对距离指数构建了一种熵权模型确定专家权重和属性权重。然后提出一种区间Pythagorean模糊VIKOR多属性群决策方法。最后通过企业生产方案选择案例说明了提出新方法的可行性与有效性。     

基于相对熵距离的动态改进理想解法及其应用研究

为综合比较多个多指标对象在某时刻的发展状况和在不同时刻的整体发展态势,构建了基于相对熵距离的动态改进理想解法.该方法在传统理想解法基础上用改进熵值法确定不同时刻的指标权重,通过相对熵计算与理想解的距离避免了欧式距离的一些弊端,并增加考虑正负距离的相对重要性.利用基于波动性和时间度的时间权向量二次加权以推广到动态数据应用场景,最后通过实例验证该方法的可行性.     

基于矩阵距离时序赋权的科学技术评价模型及应用

根据“坚持以人为本,树立全面、协调、可持续的发展观,促进经济社会和人的全面发展”的科学发展观内涵,构建了省级行政区的科学技术评价指标体系。通过在Topsis中引入矩阵距离对截面评价结果进行二次赋权,建立了基于矩阵距离时序赋权的科学技术评价模型。本文的特色与创新一是通过在Topsis中引入矩阵距离、对不同年份的综合评价结果进行客观赋权,反映了评价指标与理想状态偏离程度越小的年份、其综合评价结果赋权越大的思路。改变了现有研究人为主观确定不同时段评价结果权重的现状;改变了Topsis仅仅用于求解指标权重,无法对不同年份的综合评价结果进行赋权的现状。二是采用面板数据对典型省份的科技发展进行评价,反映评价对象历史信息对评价结果的影响。消除了流行的截面数据评价的偶然性。三是实证研究表明:山西、新疆、云南三省的科学技术发展落后的主要原因在于其三省万元GDP综合能耗过高、工业固体废物综合利用率过低。     

Jackknifed random weighting for Cox proportional hazards model

The Cox proportional hazards model is the most used statistical model in the analysis of survival time data.Recently,a random weighting method was proposed to approximate the distribution of the maximum partial likelihood estimate for the regression coefficient in the Cox model.This method was shown not as sensitive to heavy censoring as the bootstrap method in simulation studies but it may not be second-order accurate as was shown for the bootstrap approximation.In this paper,we propose an alternative random weighting method based on one-step linear jackknife pseudo values and prove the second accuracy of the proposed method.Monte Carlo simulations are also performed to evaluate the proposed method for fixed sample sizes.     

Impact Assessment for Fuzzy Linear Regression Model Based on Case Deletion

Least squares method based on Euclidean distance and Lebesgue distance between fuzzy data is used to study parameter estimation of fuzzy linear regression model based on case deletion respectively. And the parameter estimations on two kinds of distance are compared. The input of the above model is real data and output is fuzzy data. The statistical diagnosis --- estimation standard error of regression equations is constructed to test highly influential point or outlier in observation data. At last through identifying highly influential point or outlier in actual data, it shows that the statistic constructed in this paper is effective.     

最小差距最大化组合赋权的软件服务外包产业核心竞争力评价模型及实证

正确评价我国软件服务外包产业核心竞争力并提取关键影响因素,有利于找出产业发展中存在的问题,也为制定产业发展政策提供可靠依据。根据产业核心竞争力内涵,基于钻石模型,构建了软件服务外包产业核心竞争力评价指标体系,通过评价值最小差距最大化组合赋权方法计算多种权重的组合权重,并对我国典型的18个城市软件服务外包产业核心竞争力进行实证分析。最小差距最大化组合赋权模型消除了在不同赋权方法下评价排序不一致的缺陷,并最大程度地区分了评价结果之间的差距,提高了评价结果的科学性和可靠性     

Identification of LPV system using locally weighted technique

The problem of linear parameter varying （LPV） system identification is considered based on the locally weighted technique which provides estimation of the LPV model parameters at each distinct data time point by giving large weights to measurements that are ＂close＂ to the current time point and small weights to measurements ＂far＂ from the current time point. Issues such as choice of distance function, weighting function and bandwidth selection are discussed. The developed method is easy to implement and simulation results illustrate its efficiency.     

Influence diagnostics in the varying coefficient model with longitudinal data

One or few observations can be highly influential on estimates of regression coefficients in the linear regression model. In this paper we derive influence diagnostics for the varying coefficients model with longitudinal data. We note that diagnostics in this context is quite different from the classical regression model in the sense that regression coefficients vary as time varies. A version of Cook’s distance is suggested to reflect this specific aspect of varying coefficient model. An algorithm to present some guidelines to determine influential observations deserving special attention is developed. An illustrative example based on the AIDS data is also given.     

基于广义回归估计的校准加权设计效应模型研究

校准是最常用的加权调整方法,然而传统加权调整设计效应模型只考虑有差异权数导致的精度损失,忽略使用辅助信息后的精度改进,因此应用于设计效应计算时存在一定的缺陷。本文在Spencer模型的基础上进行拓展,引入反映辅助变量和调查变量相关关系的广义回归估计量,构建了校准加权设计效应的一般模型。数值分析结果显示,校准加权设计效应模型的效果优于传统加权调整设计效应模型;尤其在调查变量与辅助变量高度相关的情形下,校准加权设计效应模型能够准确地估计出不等概率抽样设计和校准调整的综合效率。     

基于最大熵原理的线性组合赋权方法

在被评价对象的指标值与理想值之间的广义距离和充分小的情况下,追求不同赋权方法权重组合系数的信息分配最合理.随着广义距离和不断变小,得到一组不同方法赋权后的组合权重,进而得到了评价结果.本文的特色与创新一是本文得到的权重兼顾了信息分配最合理与指标数据距离理想值的广义距离和最小两个目标.二是提出一个单目标模型求解多目标问题Pareto解集的方法,并根据解集对评价对象进行排序, 增加了排序的可靠性,也为多目标模型求解提供了一种新思路.三是改变了组合赋权系数为近似平均的结果.四是解决了多目标线性加权求解时多个目标组合系数不确定问题.     

Robust kernel-based regression with bounded influence for outliers

The kernel-based regression (KBR) method, such as support vector machine for regression (SVR) is a well-established methodology for estimating the nonlinear functional relationship between the response variable and predictor variables. KBR methods can be very sensitive to influential observations that in turn have a noticeable impact on the model coefficients. The robustness of KBR methods has recently been the subject of wide-scale investigations with the aim of obtaining a regression estimator insensitive to outlying observations. However, existing robust KBR (RKBR) methods only consider Y-space outliers and, consequently, are sensitive to X-space outliers. As a result, even a single anomalous outlying observation in X-space may greatly affect the estimator. In order to resolve this issue, we propose a new RKBR method that gives reliable result even if a training data set is contaminated with both Y-space and X-space outliers. The proposed method utilizes a weighting scheme based on the hat matrix that resembles the generalized M-estimator (GM-estimator) of conventional robust linear analysis. The diagonal elements of hat matrix in kernel-induced feature space are used as leverage measures to downweight the effects of potential X-space outliers. We show that the kernelized hat diagonal elements can be obtained via eigen decomposition of the kernel matrix. The regularized version of kernelized hat diagonal elements is also proposed to deal with the case of the kernel matrix having full rank where the kernelized hat diagonal elements are not suitable for leverage. We have shown that two kernelized leverage measures, namely, the kernel hat diagonal element and the regularized one, are related to statistical distance measures in the feature space. We also develop an efficiently kernelized training algorithm for the parameter estimation based on iteratively reweighted least squares (IRLS) method. The experimental results from simulated examples and real data sets demonstrate the robustness of our proposed method compared with conventional approaches.