基于灰色理论的线性模型参数理论及应用

线性模型是经典统计学的基本内容,主要应用于随机数据的建模分析。如何对非随机的模糊或灰色等不分明性数据进行模型构建和统计分析。基于灰色系统理论,在一系列关于灰色统计推断理论的研究基础上,将灰色估计和灰色假设检验等方法拓展到线性模型的参数估计和假设检验中。与经典统计分析方法进行对比,为不分明数据的建模分析提供新的方法。     

基于灰色系统理论的多元线性回归分析

运用灰色系统理论剔除了自变量观察数据中的噪声污染,对传统的多元线性回归分析方法进行了改进,建立了灰色多元线性回归分析模型.将模型应用于陕西省就业问题的研究,取得了满意的预测效果.     

基于形心法的模糊线性回归模型的统计分析

使用形心法将模糊数转化清晰数,从而将模糊线性回归模型转化为传统的线性回归模型来研究,此模型输入、输出都为模糊数,回归系数为清晰数,讨论了该模型的参数估计及基于数据删除的影响分析,并通过对实例的研究及与其它模型比较,说明了该模型应用方便,具有更优的拟合性.     

模糊数据的线性回归模型

研究观测数据为模糊数据的统计线性回归模型 ,由该模型所得回归系数非模糊 ,易于应用。对于对称三角模糊数据一元线性回归给出最优解的解析表达式 ;将对称三角模糊数多元线性回归问题给出转化为一类二次规划问题的方法 ;证明了最优解的存在性和估计量的无偏性。     

一类不分明时间序列的回归预测

研究了一类不分明时间序列的线性回归预测问题,通过模糊数空间中的距离,建立了模糊环境中最小二乘回归模型,证明了回归模型解的存在性和唯一性,并给出了确定模型的模糊参数及检验模型拟合度的计算公式。     

基于结构元最小二乘序的模糊线性回归

在具有模糊观测数据的线性回归问题中,通过定义模糊序指标实现模糊数的排序,借助经典最小二乘法原理,给出了使平方误差和在此排序方法下达到最小的模糊回归系数最小二乘序估计方法。三个例子的结果表明,文中的最小二乘方法能很好的对输入和输出为模糊数,回归系数为精确值的回归模型进行估计,更重要的是,此方法不仅对三角模糊数适用,对其他类型的模糊观测数据也适用。     

基于多目标规划法的模糊线性回归分析

讨论输入、输出均为模糊数,回归系数为实数时的模糊线性回归分析。由于模糊最小二乘线性回归容易受异常值的影响,而最小一乘法能有效地降低回归模型的误差。为此,基于最小一乘法,建立多目标规划模型并将其转化为非线性规划问题进行求解,从而实现模糊线性回归模型的参数估计。最后,结合一个数值实例,验证和比较该方法的合理性和优越性。     

基于模糊积分的金融数据建模方法

以非可加模糊测度代替经典可加测度,基于模糊积分建立非线性回归模型是新近出现的数据建模方法.该方法充分考虑自变量因素之间的信息熔合(含协同或冲突)作用.本文完整地给出了适用于实数范围内的基于模糊积分(含Choquet积分和(S)ipo(s)积分)的多元非线性回归模型转化为普通线性回归模型的非线性转换方法及其简化算法.并将该方法应用于金融市场数据分析,结果表明效果较之普通多元线性回归有大的提高,且方法简便容易应用.     

装备系统评价的模糊白化灰色关联模型

灰色系统理论是现代工程领域解决数据不确定性和数据量不足问题的有效方法 .装备系统的评价信息往往具有模糊性和灰色性双重特征 .模糊白化灰色关联模型源于武器系统的保障性评价 ,将其应用范围扩展到一般的武器系统评价 ,提出了装备系统评价模糊白化灰色关联模型 .在定性指标模糊白化的基础上 ,对所要评价的整个系统进行灰色关联分析 ,以得到评价结果     

周口市住宅商品房价格的分析与预测

近年来周口市住宅商品房价格持续上涨,引起了社会各界的关注.为了研究周口市住宅商品房价格的影响因素和未来走势,提出了一种基于灰色理论和多元线性回归分析的房价预测模型.首先,利用灰色关联度分析选取出对周口市住宅房价影响较大的因素.然后,通过进行统计检验和修正多重共线性,建立一个修正的多元线性回归预测模型.最后,在采用灰色GM(1,1)预测模型预测出所选取影响因素的新的时间序列值的基础上,再进行回归分析,预测出2017-2020年周口市住宅商品房平均销售价格.可见,未来几年内周口市住宅商品房价格仍会呈逐年快速上涨趋势,但增速不会越过25%的合理水平.     

灰色聚类分析法在评价材料合理代用的应用

对于价格高昂或者市场紧缺的材料,使用灰色聚类分析法,能够找到合理的代用品,避免了凭经验选择代用材料所带来的主观片面性.介绍了灰色聚类分析法的基本原理、分析步骤及其在产品选择代用方面的应用实例.结果表明,采用灰色聚类分析方法解决材料的代用问题是一种行之有效的方法,应用该方法能够综合考虑影响性能的多种因素,避免了单因素的主观性,评价过程更加合理客观,评价结果能准确的反映代用品的性能.     

基于灰色系统理论的城市火灾预测分析

提出利用灰色系统理论对城市火灾进行预测的合理性 ,在一般灰色系统模型 GM(1 ,1 )的基础上 ,通过利用等维灰色递补动态预测模型为基础对原始数据预处理及变换后 ,结合对城市火灾按不同分时段进行预测比较 ,最后以某市近年来的火灾状况为例进行了预测 ,结果表明基于灰色系统理论进行分时段预测城市火灾发生时结果更精确 .     

最佳灰色回归组合模型及其在中国火灾预测中的应用

火灾每年给国家和人民生命财产造成巨大损失.火灾现象具有随机性、模糊性,是个复杂的灰色系统行为.研究火灾发生规律及发展趋势,具有实用价值.为此,首先给出最小二乘估计(LSE)意义下的最佳组合预测模型的定义,并求得组合模型的权的公式和证明权的唯一性.其次,用回归分析方法建立多个回归模型,并按以下三条标准:①回归指数(或相关系数)r大、②系统误差s小、③模型精度p高,选定最佳非线性回归模型;用灰色理论建立多个灰色模型,并按以下三条标准:①后验差比值c小、②小误差概率P大、③预测关联度ξ大,选定最佳灰色模型;再用最小二乘法将最佳回归模型与最佳灰色模型有机地结合起来建立的中国火灾最佳灰色回归组合预测模型.最佳灰色回归组合预测模型综合利用前两者提供的不同的有用信息,改善了单一模型的局限性,提高了模型的预测精度,减少了预测误差,使预测效果更佳.组合模型预测中国年火灾起数处于动态增长过程.     

基于灰关联理论的上海居民消费结构分析

结合有关实际统计资料，应用灰色系统理论的灰关联分析方法，分析研究上海城市和农村居民消费支出结构的变化趋势。     

粮食最低收购价政策问题研究

利用聚类分析、逐步回归分析确定小麦与稻谷种植面积模型和指标体系.建立综合指标评价模型和ARMA模型,可知:最低收购政策具有托市效应.结合时间趋势剔除法、蛛网模型,可知:小麦和稻谷价格波动呈现5、3年的周期性,分别满足发散型、收敛型蛛网形态.建立基于补偿法的最低收购价定价模型并用BP神经网络模型进行检验.基于反证法,推知调控最低收购价提高5%小麦种植面积的做法是不可行的.最后提出了调控粮食种植的建议·     

基于修正邓氏灰色关联度的设备费用影响因素分析

针对武器装备数据多为小样本情况,采用灰色关联度对其研制生产费用影响因素的确定,针对灰色关联度不能处理负相关和组合相关的问题,提出应用普通相关和逐步回归对灰色关联度结果进行修正,实例分析表明处理结果更符合实际情况.     

基于关联分析广义回归神经网络模型在艺术陶瓷定价中的应用

通过提取对陶瓷企业定价的影响因素,采用了灰色关联度分析法,构造了陶瓷企业定价的评价模型,得到了各个因素之间的灰色关联度,从而确定各因素对陶瓷企业定价影响的关键因素,结合广义回归神经网络模型,采用组合输入向量建立陶瓷定价的组合广义回归神经网络预测模型.实例表明:模型比其它模型的预测值更加精确,并且算法能应用到其它数据处理中,具有较广泛的适应性.     

TESTING OF CORRELATION AND HETEROSCEDASTICITY IN NONLINEAR REGRESSION MODELS WITH DBL(p,q,1) RANDOM ERRORS

Chaos theory has taught us that a system which has both nonlinearity and random input will most likely produce irregular data. If random errors are irregular data, then random error process will raise nonlinearity (Kantz and Schreiber (1997)). Tsai (1986) introduced a composite test for autocorrelation and heteroscedasticity in linear models with AR(1) errors. Liu (2003) introduced a composite test for correlation and heteroscedasticity in nonlinear models with DBL(p, 0, 1) errors. Therefore, the important problems in regres- sion model are detections of bilinearity, correlation and heteroscedasticity. In this article, the authors discuss more general case of nonlinear models with DBL(p, q, 1) random errors by score test. Several statistics for the test of bilinearity, correlation, and heteroscedas-ticity are obtained, and expressed in simple matrix formulas. The results of regression models with linear errors are extended to those with bilinear errors. The simulation study is carried out to investigate the powers of the test statistics. All results of this article extend and develop results of Tsai (1986), Wei, et al (1995), and Liu, et al (2003).