偏最小二乘logistic回归在鄱阳湖洪涝灾害预测中的应用

偏最小二乘logistic回归模型是一种新型的多元分析方法,它在自变量之间存在强多重共线性、或者当样本量偏小以及样本中有缺失值的情况下,可以较好地解决普通logistic回归模型的计算结果不稳定的问题.本文利用偏最小二乘logistic回归算法,根据鄱阳湖地区1953～1998年观测的水文数据,分析各月连续最大五天降水量和长江各月最大流量对鄱阳湖洪涝灾害的影响,建立了预测洪涝灾害程度的发生概率的判别模型.研究结果表明,偏最小二乘logistic回归模型在相关领域的研究中具有很好的适用性.     

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%.     

基于集对分析联系数的区间数型水环境质量综合评价模型及其应用

水环境质量综合评价具有不确定性,其待评价水质监测值及评价标准是区间数.针对待评价水质监测值与水环境质量评价标准不能直接比较大小的问题,根据区间数的误差分布形式,提出一种基于集对分析联系数的区间数型水环境质量综合评价模型.模型定义了两个联系数之间的加权海明距离,用水环境质量评价标准组成标准联系数,待评价水质监测值组成待评价联系数,通过计算待评价联系数与标准联系数的加权联系数海明距离,根据a+bi型联系数大小比较法则,综合判定待评价水质级别.以浑河沈阳东陵大桥处实测水质部分结果评价为例进行计算分析,并与其它方法得到的结果进行了对比,得到的结果一致.     

有偏logistic回归模型及其在个人信用评级中的应用研究

中国人保守的消费习惯使得信用评级建模数据违约率较低,数据呈现出不平衡的特点,这种不平衡性对logistic回归模型的预测效果带来负面影响。本文将非对称连接函数的思想引入到信用评级中,将有偏logistic分布的分布函数作为连接函数的反函数,利用实际数据来估计偏度参数和回归系数。研究表明,有偏logistic回归的预测效果优于普通logistic回归,并且在10%的违约数据集中,有偏logistic回归的表现还优于决策树、神经网络和支持向量机。     

支持向量机回归方法在地表水水质评价中的应用

将支持向量机方法应用于地表水质评价问题中,建立了多指标水质综合评价的支持向量机回归模型.在地表水质评价标准的基础上采用内插法获得学习样本,经过训练,得到水质评价的分类区间;然后以实测资料对所建模型进行检验,研究结果表明,支持向量机回归模型性能良好、预测精度高、简便易行,是水质评价的一种有效方法,具有广阔的应用前景.     

Logistic回归模型选择的渐近概率

在许多情况下，我们需要对logistic回归模型中的重要变量进行选择，在本文中，我们对从信息论准则AIC选择出的模型给出了渐近分布和渐近概率。     

基于回归分析的机场拥挤预测问题研究

及时有效的预测机场拥挤状态并辅助机场管理部门采取相应缓解拥挤的措施,将有助于提高机场的服务质量和运行效率.提出了利用回归分析的方法对机场拥挤问题进行研究.利用已有的历史航班数据挖掘出与机场拥挤最为相关的因素,并将其作为预测变量来预测响应变量.使用到两种回归分析方法即:普通最小二乘回归(OLS)和支持向量回归(SVR).使用历史数据来训练模型,并将这两种训练模型用于真实数据集上做测试,且取得较好的预测效果.实验结果证明该方法在机场拥挤预测问题上的可用性和有效性.     

基于稀疏主成分的我国上市公司信用风险评价与预测

把我国2016-2018年沪深Ａ股上市公司中164家ST公司作为信用违约样本,492家非ST上市公司作为非违约样本进行实证研究.从营运能力、偿债能力、盈利能力和成长能力等4个方面选取了25个财务指标,然后运用稀疏主成分方法提取主成分因子,并加入公司规模、第一大股东持股比例和股权质押3个非财务指标,作为Logistic回归模型的输入参数.在此基础上构建Logistic模型进行信用风险评价和预测.     

在线Logistic回归

针对连续数据流分类问题,基于在线学习理论,提出一种在线logistic回归算法.研究带有正则项的在线logistic回归,提出了在线logistic-l2回归模型,并给出了理论界估计.最终实验结果表明,随着在线迭代次数的增加,提出的模型与算法能够达到离线预测的分类结果.本文工作为处理海量流数据分类问题提供了一种新的有效方法.     

本科生高等数学成绩影响因素调查 ——基于logistic回归模型的分析

高等数学是高校课程体系的一门重要学科,是提升高校人才培养质量的关键.采用问卷调查法,通过构建logistic回归模型,从"教""学""管"三个角度分析了学习基础、学习动机、学习方式、学习兴趣等26个因素对本科生高等数学成绩的影响机理.研究结果表明:个人因素在教学因素、管理因素、个人因素三者中影响最大,个人因素中的学习方式、学习动机、学习兴趣的影响最为显著.     

L1正则化Logistic回归在财务预警中的应用

线性模型和广义线性模型已广泛地用于社会经济、生产实践和科学研究中的数据分析和数据挖掘等领域,如公司财务预警,引入L1范数惩罚技术的模型在估计模型系数的同时能实现变量选择的功能,本文将L1范数正则化Logistic回归模型用于上市公司财务危机预报,结合沪深股市制造业ST公司和正常公司的T-2年财务数据开展实证研究,舛比Logistic回归和L2正则化Logistic回归模型进行对比分析.实验结果表明L1正则化Logistic回归模型的有效性,其在保证模型预测精度的同时提高模型的解释性.     

农业生产资料价格波动与农业经济发展关系的实证分析

本文运用协整分析、线性回归、logistic回归等定量分析方法，采用1973～2003年的历史数据，对安徽省农业生产资料价格波动与农业总产值的影响关系进行了深入的实证分析，发现了两者之间存在的一些内在联系和制约关系，并给出了反映两者关系的预测模型。     

Logistic回归模型的影响分析

Logistic回归模型的影响分析是Logistic回归诊断研究中的重要内容。常用的分析方法都是轮换地删除数据点后的逐步判断,而这个判断的过程主要体现在模型的诊断图上。鉴于此,通过构造诊断统计量来有效地开发诊断图成为影响分析的核心内容,并由此能较为准确地探寻出模型的强影响点。本文通过对Logistic回归模型帽子矩阵的分解以及对轮换地删除数据点后的系数估计的相对变化量进行加权,得出Logistic回归模型诊断图使其能比传统的诊断图更准确地判断出模型的强影响点。     

对北京市年需水量预测模型的研究

水资源的供给问题是每个城市都要面临的一项必须且复杂的基础建设任务。对城市需水量的预测直接关系到一个城市供水系统的建设规模与安全运行,是实现科学调度的必要前提。本文通过对北京市2001-2014年需水量及其影响因素相关数据的分析,分别建立了普通线性回归及偏最小二乘线性回归预测模型。通过对模型的比较分析及仿真模拟预测计算,发现偏最小二乘线性回归预测模型不仅易于解释,更适合做外推预测,具有较强的应用价值。     

Modelling match outcomes and decision support for setting a final innings target in test cricket

^** E-mail: p.a.scarf{at}salford.ac.uk This paper considers the problem of timing the declaration ofthe third innings in test cricket. Data on the outcomes of recenttest matches are analysed in order to develop simple decisionsupport tools. The first of these tools presents match outcomeprobabilities given the position of the match at a potentialdeclaration point. These probabilities are determined usinga multinomial logistic regression model that is fitted to thetest match data. This idea is then extended to consider progresstowards a declaration—match outcome probabilities areconsidered as a function of target aimed for and run-rate. Thedecision tools have been implemented on a spreadsheet and examplecalculations are presented. The modelling described has thepotential for practical use in test matches.     

因子分析和Logistic回归在农业上市公司财务预警中的联合运用

在普遍采用的盈利能力、偿债能力、经營能力和发展能力四个主要方面财务指标的基础上,新加入了利润质量指标和市场估值两类指标,采用2007-2018年沪深农业上市公司的数据为样本,联合运用因子分析法和二元logistic回归法重新构建农业上市公司财务风险预警模型,结果表明,该模型具有较高的拟合精度和判别能力。     

MODELING INDIVIDUAL TREE MORTALITY RATES USING MARGINAL AND RANDOM EFFECTS REGRESSION MODELS

Abstract Developing models to predict tree mortality using data from long‐term repeated measurement data sets can be difficult and challenging due to the nature of mortality as well as the effects of dependence on observations. Marginal (population‐averaged) generalized estimating equations (GEE) and random effects (subject‐specific) models offer two possible ways to overcome these effects. For this study, standard logistic, marginal logistic based on the GEE approach, and random logistic regression models were fitted and compared. In addition, four model evaluation statistics were calculated by means of K‐fold cross‐valuation. They include the mean prediction error, the mean absolute prediction error, the variance of prediction error, and the mean square error. Results from this study suggest that the random effects model produced the smallest evaluation statistics among the three models. Although marginal logistic regression accommodated for correlations between observations, it did not provide noticeable improvements of model performance compared to the standard logistic regression model that assumed impendence. This study indicates that the random effects model was able to increase the overall accuracy of mortality modeling. Moreover, it was able to ascertain correlation derived from the hierarchal data structure as well as serial correlation generated through repeated measurements.     

基于遗传算法的上市公司财务危机预测模型研究

本文以我国沪深A股上市公司为研究对象,选取制造业公司376家,其中被特别处理的ST公司188家,与其配对的健康公司188家,使用遗传算法和21个财务比率建立了财务危机预测模型,并与Logistic回归和BP神经网络模型进行了比较,结果表明,使用遗传算法可以获得不受统计约束且预测准确率更高的模型。