多维时序定阶方法对偏最小二乘回归模型预报精度的改进

运用时间序列多维自回归模型的定阶方法 ,解决了偏最小二乘回归模型中自变量的选择问题 .通过对我国财政收入的预报分析表明 ,这两种统计模型的结合使用 ,较大程度地提高了预报精度     

协方差阵估计的比较

本文在一般线性回归模型误差异方差情况下，通过计算机模拟对回归系数最小二乘估计的协方差矩阵的估计进行了比较。结果表明，当样本大小大于50时，回归系数的最小二乘估计具有较高的估计精度；其协方差矩阵的五种估计以普通最小二乘估计的协方差矩阵为最优。     

残差自回归半参数模型的参数估计

研究了残差自回归半参数模型的参数估计,运用广义最小二乘法估计了参数部分．用随机模拟说明了运用广义最小二乘（GLSE）估计出的参数部分优于运用普通最小二乘法（OKSE）得到的估计．     

两个多重相关变量组的统计分析(3)(偏最小二乘回归与PLS过程)

本文用PLS过程建立多因变量的偏最小二乘回归模型 ,并用具体例子对最小二乘回归(MLR)、主成分回归 (PCK)和偏最小二乘回归 (PLS)进行比较     

不等式约束条件下部分线性回归模型的参数估计

本文研究了不等式约束条件下部分线性回归模型的参数估计问题，利用最优化方法和贝叶斯方法，给出了不等式约束条件下部分线性回归模型的最小二乘核估计和最佳贝叶斯估计，并且证明了在一定条件下，带约束条件的最小二乘核估计在均方误差意义下要优于无约束条件的最小二乘核估计。     

多项式回归的建模方法比较研究

在实际工作中,人们在采用回归模型解释因果变量间的相关关系时,经常会遇到自变量之间存在幂乘关系的情况。在这种情况下,多项式回归模型成为一个合理的选择。由于多项式回归模型中自变量之间存在较强的相关关系,采用普通最小二乘回归方法来估计变量的回归系数,则会存在较大的误差。在本文中,为了提高多项式回归模型的预测准确性和可靠性,提出使用主成分分析、偏最小二乘回归建模,并采用仿真数据来比较它们的异同。     

应用SAS解非线性回归问题

.应用SAS/STAT估计非线性回归模型中的参数.首先,通过变量代换,把可以线性化的非线性回归模型化为线性回归模型,并用普通最小二乘法、主成分分析法和偏最小二乘法求模型中的参数和回归模型.其次,通过改良的高斯—牛顿迭代法来估计Logistic模型和Compertz模型中的参数.     

拟线性回归预测模型的稳定最小二乘解

可线性化回归预测模型通过换元进行线性回归,换元前后的因变量具有异方差性,致使拟线性回归参数的精度较低.运用GL算法给出了此类模型的稳定最小二乘解,提高了参数的估计精度,最后给出了一个应用实例.     

基于稳健回归的华北高校毕业生数预测

为促进和保障高等院校毕业生的就业,保证人才培养的数目和质量,提前准确地预测毕业人数尤为重要.使用经典最小二乘回归和稳健回归分析方法,选取可能的解释变量对华北五省的毕业人数进行分析.经过全子集法等方法筛选自变量.分别使用经典最小二乘方法和稳健方法建立模型,给出了两种方法的拟合结果对比和预测效果对比,结果表明稳健方法显著地提高了传统模型的拟合精度和预测精度.并预测了2018-2025华北五省的毕业生数,为有关部门制定相关政策提供可靠的数字依据.     

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.     

均匀设计优化烧伤油一号的制备条件

采用均匀设计以及拟水平法 ,对可能影响烧伤油一号质量的 3个因素进行试验考察。并对试验结果运用偏最小二乘法与残差分析进行回归分析。分析结果表明 :烧伤油一号最佳工艺条件是 :紫草种类 :紫草 ;油温 :175℃ ;浸渍时间 :19小时。采用优选制备条件实验表明 ,优选工艺是可信的。     

偏最小二乘回归方法的局限性及改进算法

提出了偏最小二乘回归中的一类不适用情况,并从理论上分析,实例上验证,给出了针对这种情况的一种改进算法,从而拓宽了偏最小二乘回归的使用范围.     

PLS分析与RBF神经网络耦合环境模型

鉴于城市大气环境质量受到诸多复杂因素影响,且各因素间存在多重相关性,本文将偏最小二乘(PLS)分析与人工神经网络径向基网络(RBF)耦合,建立偏最小二乘径向基神经网络模型(PLSRBF),应用于贵阳大气环境质量的检验和预测。实例表明:PLSRBF模型可对原多自变量模型进行降维简化,并可有效提取解释变量信息,防止信息丢失,且具有较强的拟合能力。     

利用计数统计模型方法评价大连星海公园旅游的经济价值

在非市场条件下如何评价旅游资源的经济价值是自然旅游公园管理工作中所面临的一个重要问题.正确地估计这类公园的旅游需求函数则是对其有效地进行经济价值评价的关键.由于旅游次数数据具有非负整数和截断的性质,使用传统的多元线性回归模型来估计旅游需求函数则会产生较大的偏差.因此。本文采用非线性最小二乘、截断泊松分布和截断负二项分布等计量经济学模型估计大连星海公园的旅游需求函数,以此来计算公园旅游的经济价值。     

The least square values and the shapley value for cooperative TU games

The main result proved in this paper is the fact that any Least Square Value is the Shapley value of a game obtained from the given game by rescaling. An Average per capita formula for Least Square Values, similar to the formula for the Shapley value (Dragan (1992)), will lead to this conclusion and allow a parallel computation for these values. The potential for the Least Square Values, a potential basis relative to Least Square Values and an approach similar to the one used for the Shapley value is allowing us to solve the Inverse problem for Least Square Values.     

偏最小二乘建模在R软件中的实现及实证分析

通过介绍偏最小二乘（PLS）的建模和显著性检验原理,解决了小样本多变量且变量间存在多重共线性的回归问题,建立了多变量对多变量的回归模型,并使用R软件（版本为Ri3862．15．1）实现了PLS建模;最后基于葡萄和葡萄酒理化指标数据进行了实证分析．     

最小二乘法回归中的一些问题

最小二乘法估计通常基于：线性、独立、正态和方差齐性四个基本假定．在实际工作中，这些假定常很难满足，偏离时往往对估计结果带来影响．本文对偏离假定的情况予以讨论并给出发现和处理这些问题的方法；同时结合实例对回归中的影响点和异常点、共线性等问题予以说明．这将对我们实际工作中的数据分析具有指导性意义．     

小波分析在经济预测模型中的应用

经济信号也是一种时间序列 ,它和小波分析中的信号具有相同的特性 .因此 ,可将经济时间序列看成经济信号 ,应用小波进行实际经济分析和预测 .论文针对最小二乘法的不足 ,提出了多分辨回归分析处理经济数据分析的方法 .本文在建立宏观模型时 ,利用小波分析对经济数据进行预处理 ,获得能反映宏观变化趋势的低频信息 ,再用最小二乘法进行拟合和预测 ,通过对传统最小二乘法建立的模型的对比分析 ,结果表明 :本方法优于一般最小二乘法 .     

基于PLS估计的我国商业银行效率影响因素研究

在商业银行效率影响因素研究中引入基于高维投影思想的非参数方法——偏最小二乘方法,并在建模过程中弥补了已有研究未控制时间趋势和宏观经济变量而导致模型不显著和变量符号反常的不足.结果表明:针对本文少样本、自变量存在严重共线性的情况,偏最小二乘法提取的3个成分解释力达到0.984 173,并具有良好的预测性能.财务指标等内生变量对不同产权银行的效率影响是有明显差异的,而产权结构、宏观经济等外生变量的影响是无差异的.