部分线性变系数模型的一种新的轮廓(Profile)最小二乘估计

作为部分线性模型和变系数模型的推广,部分线性变系数模型以其良好的适应性和稳健性受到了广泛的关注。本文基于函数的局部线性拟合,给出部分线性变系数模型的另一种轮廓(profile)最小二乘估计的方法,并从理论上证实了所得估计量具有良好的渐近性质,最后给出了估计方法的实例分析。     

纵向数据半参数回归模型的估计方法

本文考虑纵向数据半参数回归模型,通过考虑纵向数据的协方差结构,基于Profile最小二乘法和局部线性拟合的方法建立了模型中参数分量、回归函数和误差方差的估计量,来提高估计的有效性,在适当条件下给出了这些估计量的相合性.并通过模拟研究将该方法与最小二乘局部线性拟合估计方法进行了比较,表明了Profile最小二乘局部线性拟合方法在有限样本情况下具有良好的性质.     

基于纵向数据的半参数变系数部分线性回归模型

纵向数据是数理统计研究中的复杂数据类型之一0,在生物、医学和经济学中具有广泛的应用．在实际中经常需要对纵向数据进行统计分析和建模．文章讨论了纵向数据下的半参数变系数部分线性回归模型,这里的纵向数据的在纵向观察在时间上可以是不均等的,也可看成是按某一随机过程来发生．所研究的半参数变系数模型包括了许多半参数模型,比如部分线性模型和变系数模型等．利用计数过程理论和局部线性回归方法,对于纵向数据下半参数变系数进行了统计推断,给出了参数分量和非参数分量的profile最小二乘估计,研究了这些估计的渐近性质,获得这些估计的相合性和渐近正态性．     

部分线性变系数模型改进的加权混合Profile-Liu估计

研究半参数部分线性变系数模型的有偏估计,当回归模型参数部分自变量存在多重共线性时,在随机线性约束条件下,融合Profile最小二乘估计、加权混合估计和Liu估计构造回归模型参数分量改进的加权混合Profile-Liu估计,并在一定正则条件下证明估计量的渐近性质,最后利用蒙特卡洛数值模拟验证所提出估计量的有限样本表现性.     

一个有效估计:半参数非时齐扩散模型的局部线性复合分位回归估计

主要研究半参数非时齐扩散模型的参数估计问题.基于非时齐扩散模型的离散观测样本,首先得到漂移参数的局部线性复合分位回归估计,并证明估计量的渐近偏差、渐近方差和渐近正态性.其次,讨论了带宽的选择和局部线性复合分位回归估计关于局部线性最小二乘估计的渐近相对效,所得到的局部估计较局部线性最小二乘估计更为有效.最后,通过模拟说明了局部线性复合分位回归估计比局部线性最小二乘估计的模拟效果更好.     

进出口贸易对通货膨胀的影响模型分析

本文建立了进出口贸易对通货膨胀影响的半参数变系数部分线性模型,采用Profile最小二乘估计对模型参数进行了估计,并与简单的多元线性回归模型作比较。研究结果显示：半参数变系数部分线性模型更具有效性,预测能力也非常的优良,能更好的反映出进出口贸易与通货膨胀之间的关系。最后,利用研究结果并结合经济理论对抑制我国通货膨胀提出了建议与措施。     

部分线性变系数模型中估计的渐进正态性

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类应用非常广泛的模型,本文基于Profile最小二乘方法给出了模型中参数分量与非参数分量的估计,并在异方差情形下证明了这些估计的渐进正态性.     

部分线性变系数模型中误差方差的估计

作为部分线性模型与变系数模型的推广,部分线性变系数模型是一类在建模中应用非常广泛的模型.本文基于Profile最小二乘方法给出了模型中误差方差的估计并证明了该估计的渐近正态性.最后通过数值模拟验证了我们所提估计方法的有效性.     

变系数线性结构关系EV模型的参数估计

利用加权正交回归最小二乘法给出了变系数一维线性结构关系EV模型中的参数 估计,证明了估计的弱相合性和强相合性.     

半参数空间变系数模型的局部线性二阶段估计

针对半参数空间变系数模型,利用二阶段估计方法借助于局部线性拟合技术给出了模型中常值系数估计量的精确表达式;同时给出了实验设计方法,用于验证所提出的估计方法对估计常值系数具有满意的精度和稳定性.     

多项式拟合的推广

对多项式拟合进行了推广,提出了上拟合和下拟合以及区间拟合的概念.这些推广问题可以转化为线性规划问题,通过实例给出各种推广情形的结果.     

数据拟合函数的加权最小二乘积分法

数据拟合的方法很多,每种方法各有特点.探讨了积分准则下的数据加权拟合函数的方法,称为加权最小二乘积分法,并给出了三个常用拟合函数具体形式.     

数据拟合函数的最小二乘积分法

数据拟合的方法很多,每种方法各有特点.本文探讨了积分准则下的数据拟合函数的方法,称为最小二乘积分法,并给出了两个常用拟合函数具体形式.     

Least squares data fitting with implicit functions

This paper discusses the computational problem of fitting data by an implicitly defined function depending on several parameters. The emphasis is on the technique of algebraic fitting off(x, y; p) = 0 which can be treated as a linear problem when the parameters appear linearly. Various constraints completing the problem are examined for their effectiveness and in particular for two applications: fitting ellipses and functions defined by the Lotka-Volterra model equations. Finally, we discuss geometric fitting as an alternative, and give examples comparing results.     

Least squares and Chebyshev fitting for parameter estimation in ODEs

We discuss the problem of determining parameters in mathematical models described by ordinary differential equations. This problem is normally treated by least squares fitting. Here some results from nonlinear mean square approximation theory are outlined which highlight the problems associated with nonuniqueness of global and local minima in this fitting procedure. Alternatively, for Chebyshev fitting and for the case of a single differential equation, we extend and apply the theory of [17, 18] which ensures a unique global best approximation. The theory is applied to two numerical examples which show how typical difficulties associated with mean square fitting can be avoided in Chebyshev fitting.This paper is presented as an outcome of the LMS Durham Symposium convened by Professor C.T.H. Baker on 4th-14th July 1992 with support from the SERC under Grant reference number GR/H03964.     

参数化连分式拟合方法研究及应用

通过倒差商-连分式算法,提出了一种保端点非线性有理参数化拟合算法,通过选取中间点的参数化,利用连分式插值法,得到的拟合函数具有保端点性,规律性和灵活性.实例表明,算法减少了连分式插值迭代次数,避免插值连分式的不存在性,所得到拟合值具有更好的精度,大大提高了计算效率,拟合的误差更具有平稳性,逼近效果更好,并具有较好的预测等方面的应用.     

基于关联面积的变权组合预测方法及其应用

变权组合预测方法是一种应用非常广泛的组合预测方法,它能够有效提高组合预测方法的预测和拟合精度.为了提高拟合精度,利用各个单项预测方法与原始数据序列在两个相邻时刻的关联面积以及关联度,给出了一种确定变权组合预测模型变权重系数的方法.最后利用该变权重的组合预测模型建立了新疆建设兵团城镇化发展水平的变权组合预测模型,结果表明这类变权组合预测方法具有较高的预测和拟合精度.     

图像处理中全变差正则化数据拟合问题算法回顾

全变差正则化数据拟合问题产生于许多图像处理任务,如图像去噪、去模糊、图像修复、磁共振成像、压缩图像感知等.近年来,求解此类问题的快速高效算法发展很快.以最小二乘、最小一乘等为例简要回顾求解此类问题的主要算法,并讨论一个全变差正则化非凸数据拟合模型在脉冲噪声图像去模糊问题中的应用.     

梯度下降法在沉积物粒度分布拟合中的应用

结合实测数据,以三个对数正态分布函数的和函数为拟合函数,以梯度下降法为主要方法,对沉积物粒度分布进行了数据拟合,通过数值实验我们发现:利用梯度下降法可以有效地优化分布函数的各参数,实现拟合残差的稳步持续减小,具有良好的可操作性,拟合效果是令人满意的,它为我们进行数据拟合提供了一条新的思路,同时此方法也可以推广到解决其他极值问题.     

Solving cubics by polynomial fitting

A top-performance algorithm for solving cubic equations is introduced. This algorithm uses polynomial fitting for a decomposition of the given cubic into a product of a quadratic and a linear factor. This factorization can be computed extremely accurately and efficiently using a fixed-point iteration of the linearized fitting error. The polynomial fitting concept performs orders of magnitude better in terms of numerical accuracy and precision than any of the currently known and available algorithms for solving cubic equations. A special exception handler is presented for a reliable operation in the event of double, triple and tightly clustered roots.