中国人口预测的具有外生变量的半参数回归模型

本文提出建立中国人口预测的具有外生变量的半参数回归模型,基于线性回归理论选取的滞后显著性变量为线性部分,外生变量做为非参数部分,利用多项式样条估计得到了半参数回归方程,对中国1972-2000年人口进行拟合比较,并且对中国2001-2009年人口分三种情况进行了预测对比,结果表明基于中国1952-2005年人口建立的半参数模型拟合和预测的精度均较高,最后对中国2010-2015年的人口进行了预测。     

我国宏观经济非参数联立模型的局部线性工具变量变窗宽估计

联立方程模型在经济政策制定、经济结构分析和预测方面起重要作用，目前关于非参数计量经济模型的研究主要停留在单方程模型上，而联立方程模型的研究在国际上刚刚起步，本将非参数回归模型的局部线性估计方法与传统联立方程模型估计方法相结合，首次提出了非参数计量经济联立模型的局部线性工具变量变窗宽估计并应用于我国宏观经济非参数联立模型，结果表明：我国宏观经济非参数联立模型优于线性联立模型且线性模型将造成不必要的人为设定误差；对于非参数联立模型，局部线性工具变量变窗宽估计优于局部线性估计。     

基于函数型非参数方法的气温数据预测分析

基于函数型非参数核回归估计的方法分析安徽省1955年至2010年月度平均气温数据,建立函数型非参数回归模型,并对2010年气温数据进行实证研究.同时,与经典的非参数回归模型的预测结果相比,本文方法的预测均方误差明显优于经典的非参数回归方法,体现出函数型非参数模型的优越性.     

基于非参数自回归模型的黄金价格短期分析预测

黄金价格的变化受到众多因素的影响,总体呈波动上涨趋势。为了拟合我国黄金现货价格的非线性趋势,本文基于局部线性估计理论,建立了我国黄金现货价格的非参数自回归预测模型NAR(P)。文中结果表明,NAR(P)模型能够较好的拟合黄金价格的非线性趋势,预测误差较小。该模型具有较高的应用价值。     

基于函数系数自回归模型的风速时间序列预测

准确预测风电场风速是解决风能对电力系统所造成的安全、稳定运行和电能质量等问题的有效途径之一.风速的难以预测是由于它的高度随机和非线性.基于一种非参数的非线性自回归随机模型来预测风速,模型的自回归系数随模型依赖变量的变化而变化,因而它有灵活的非线性结构.数值实验和比较结果表明了这种函数系数自回归模型在风电场风速预测中的有效性.     

“十二五”时期河南省人均GDP预测

为了定量认识"十二五"时期河南省人均GDP的变动趋势,基于河南省1978-2010年人均GDP指数(1952年为100)建立了线性自回归模型,并对"十二五"时期河南省人均GDP指数进行了预测,结果表明:所建立的模型具有较好的拟合和预测效果,并且"十二五"时期河南省人均GDP增速将呈现先慢后快的较为平稳的增长态势,年平均增长率为7.82%。     

城镇化进程中洛阳市人口发展的数学建模探讨

针对城镇化进程中洛阳市的人口发展规律,建立了人口发展的一元线性回归模型、指数增长模型以及阻滞增长的Logistic模型来预测洛阳市人口的发展,并与ARIMA模型进行了对比,为城镇化进程中人口发展趋势提供参考,为政策的制定者提供理论指导和决策参考。     

一类线性回归模型中核估计的渐近性质

考虑固定设计下具有一阶非参数自回归误差的线性模型,构造了参数和非参数函数的N-W核估计,在适当的条件下,证明了参数估计的强相合性,同时给出了非参数函数估计的渐近正态性.     

非参数异方差回归模型的局部多项式估计——基于农村居民消费与收入的实证分析

本文主要研究非参数异方差回归模型的局部多项式估计问题.首先利用局部线性逼近的技巧,得到了回归均值函数的局部极大似然估计.然后,考虑到回归方差函数的非负性,利用局部对数多项式拟合,得到了方差函数的局部多项式估计,保证了估计量的非负性,并证明了估计量的渐近性质.最后,通过对农村居民消费与收入的实证研究,说明了非参数异方差回归模型的局部多项式方法比普通最小二乘估计法的拟合效果更好,并且预测的精度更高.     

非参数克莱因计量经济联立模型

将非参数回归模型的局部线性估计方法与传统联立方程模型估计方法相结合 ,首次提出了非参数计量经济联立模型的局部线性两阶段最小二乘估计并应用于著名的克莱因计量经济联立模型且与其线性联立模型进行了比较 .结果表明 ,线性克莱因计量经济联立模型是非参数克莱因计量经济联立模型的一个较好近似 .     

基于非参数GARCH模型的中国股市波动性预测

本文采用上证综合指数和深证成份指数1997年1月2日—2005年6月30日的每日收盘价对数百分收益率为样本,运用非参数GARCH(1,1)模型研究了中国股票市场的波动性,并与参数GARCH(1,1)模型的估计结果进行了比较,最后利用六种预测误差度量指标比较了这两种模型的样本内及样本外预测能力,结果发现,非参数GARCH(1,1)模型对股市波动性的预测精度有明显提高。     

基于非参数方法的DNA序列信噪比阈值研究

基于人类、鼠类及其他哺乳动物的基因数据,共计1264个外显子、1553个内含子进行基因预测,对DNA序列信噪比阈值进行判断.提出基于Mann-Whitney检验、符号检验、Wilcoxon符号秩和检验的非参数置信区间法计算信噪比阈值,得到人类的阈值为1.108,鼠类的为1.0971,其他哺乳动物的为1.1754,与均值平均法、带标准差加权平均法、定义阈值为2的方法比较判断的正确率,结果表明利用非参数置信区间法计算的阈值在基因预测中具有最高的正确率.     

无穷方差厚尾过程中非参数函数的小波估计

研究无穷方差厚尾过程中含有变点的非参数函数的估计问题。通过小波方法给出变点位置的估计值并得到其收敛速度。在已知变点估计值的基础上,将截尾方法与小波压缩方法相结合得到非参数函数的估计值。模拟研究结果说明对于无穷方差厚尾过程中的函数估计问题小波方法是有效的。     

纵向数据非参数混合效应模型的一个局部不变估计

非参数核回归方法近年来已被用于纵向数据的分析(Lin和Carroll,2000)．一个颇具争议性的问题是在非参数核回归中是否需要考虑纵向数据间的相关性．Lin和Carroll (2000)证明了基于独立性(即忽略相关性)的核估计在一类核GEE估计量中是(渐近)最有效的．基于混合效应模型方法作者提出了一个不同的核估计类,它自然而有效地结合了纵向数据的相关结构．估计量达到了与Lin和Carroll的估计量相同的渐近有效性,且在有限样本情形下表现更好．由此方法可以很容易地获得对于总体和个体的非参数曲线估计．所提出的估计量具有较好的统计性质,且实施方便,从而对实际工作者具有较大的吸引力．     

Nonparametric Estimation of the Measurement Error Model Using Multiple Indicators

This paper considers the nonparametric estimation of the densities of the latent variable and the error term in the standard measurement error model when two or more measurements are available. Using an identification result due to Kotlarski we propose a two-step nonparametric procedure for estimating both densities based on their empirical characteristic functions. We distinguish four cases according to whether the underlying characteristic functions are ordinary smooth or supersmooth. Using the loglog Law and von Mises differentials we show that our nonparametric density estimators are uniformly convergent. We also characterize the rate of uniform convergence in each of the four cases.     

Nonparametric Bayesian topic modelling with the hierarchical Pitman–Yor processes

The Dirichlet process and its extension, the Pitman–Yor process, are stochastic processes that take probability distributions as a parameter. These processes can be stacked up to form a hierarchical nonparametric Bayesian model. In this article, we present efficient methods for the use of these processes in this hierarchical context, and apply them to latent variable models for text analytics. In particular, we propose a general framework for designing these Bayesian models, which are called topic models in the computer science community. We then propose a specific nonparametric Bayesian topic model for modelling text from social media. We focus on tweets (posts on Twitter) in this article due to their ease of access. We find that our nonparametric model performs better than existing parametric models in both goodness of fit and real world applications.     

影响我国人寿保险保费收入的因素实证分析

本文对影响我国人寿保险需求的因素进行了分析,并建立了非线性回归模型;同时,采用数学软件MATLAB对此模型进行了分析、改进、检验以及预测.     

基于中位数排序集抽样的非参数估计

本文提出中位数排序集抽样下总体中位数的非参数估计,证明了这种估计具有强相合性和渐近正态性,并系统验证了新估计量的功效一致优于排序集抽样下和简单随机抽样下总体中位数的估计量。最后,我们对针叶树的一组真实数据进行了实际应用。