回归函数的有理逼近模型分析与研究

经济问题的研究中存在着大量的回归分析问题 ,但变量之间的关系往往是非线性的 .传统的建模原则往往对问题作了一系列的假设 ,因而模型不具有普遍适应性 .本文引进了一种特殊的非参数估计方法——回归函数的有理逼近 ,它与最小二乘法相比 ,提高了拟合与预测的精度 .     

线性数据拟合方法的误差分析及其改进应用

利用最小二乘法进行线性数据拟合在一定条件下存在着误差较大的缺陷,为使线性数据拟合方法在科学实验和工程实践中能够更加准确地求解量与量之间的关系表达式,本文通过对常用线性数据拟合方法———最小二乘法进行了误差分析,并在此基础上提出了最小距离平方和法以对最小二乘法作改进处理.最后,通过举例分析对两种线性数据拟合方法的优劣加以讨论并分别给出其较为合理的应用控制条件.     

推广的线性模型的参数估计

本文导出区间数变量和三角模糊变量的线性模型的参数公式．公式简单，形式一致，可作为经典线性回归模型参数估计最小二乘法推广。     

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.     

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．     

基于非参数估计方法的沪铜期货价格研究

非参数估计方法是现代统计学的一个新发展方向,在各领域有重要的应用价值.本文针对非参数模型的三种估计方法,将其应用于沪铜期价与LME现价的相关关系分析,得到模型的拟合值和拟合曲线.最后,与最小二乘法的结果进行比较分析,证实了非参数估计在不同历史时期有预测精度高的优点.     

正交回归和一般最小二乘回归的几何误差分析

线性回归分析中,一般最小二乘回归的目标函数只考虑一个方向的扰动,采用基于几何距离的正交回归能克服固定单方向最优带来的拟合稳定性差的弊端。本文分析和比较了正交回归和一般最小二乘回归的误差,并定量地给出了两者的几何误差与原始数据的方差、相关系数之间的关系,指出正交回归的几何误差小于一般最小二乘回归,并且正交回归具有旋转不变性。最后,以平面直线拟合为例验证了这个结论。     

偏最小二乘回归法在武器装备研制费用估算中的应用

参数估算法作为 LCC的一种估算方法主要应用于武器装备研制费用的估算 .由于样本数据较少 ,且变量之间的线性相关程度高 ,如果使用传统的普通最小二乘法 (OLS)估算 ,则会严重降低估计结果的有效性 .而偏最小二乘回归法 (PLS)可以克服样本点少和高线性相关性的问题 ,使估算结果更趋于真值 .以某型无人侦察机的研制费用估算和美国军用飞机发动机研制费用估算为例 ,主要研究偏最小二乘回归法 (PLS)在武器装备研制费用估算中的应用     

基于异方差的自回归预测模型的参数估计及其应用

从齐性方差的线性回归模型参数估计的最小二乘法出发,通过对统计资料的适当变换,利用加权最小二乘法,获得了异方差的线性自回归模型和四种异方差的非线性自回归模型的参数估计公式,并举例阐述了估计公式的应用.