带一个插值点的回归模型的参数分析

一般的回归模型中认为所有的数据点的重要程度是相同的,但有的实际问题中可能由于种种原因,其中有某个数据特别重要,针对这种情况,提出一种带一个插值点的回归模型,并得到这种回归模型三个参数的最大似然估计.     

回归模型中有影响变量的检测标准及其灵敏度分析

本文从修正的似然入手，得到了回归模型中自变量影响的一种有效度量，它的表达式简洁易在常见的统计软件上实现．这种影响度量可帮助我们建立一个合适的回归模型，作为特例，它可用来检测回归模型中的异常点或强影响点．利用局部影响分析的思想，我们还研究了这种影响度量的灵敏度，据此可成功地发现对选模有较大影响的观察数据．最后我们给出了一个应用实例．     

偏正态数据下众数回归模型的统计诊断

为了更好地拟合偏态数据,充分提取偏态数据的信息,针对偏正态数据建立了众数回归模型,并基于Pena距离统计量对众数回归模型进行统计断研究,得到了众数回归模型的Pena距离表达式以及高杠杆异常点的诊断方法.利用EM算法与梯度下降法给出了众数回归模型参数的极大似然估计,根据数据删除模型计算似然距离、Cook距离和Pena距离统计量,绘制诊断统计图.通过Monte Carlo模拟试验和实例分析比较,说明文章提出的方法行之有效,并在一定条件下Pena距离对异常点或强影响点的诊断优于似然距离和Cook距离.     

Logistic回归模型的影响分析

Logistic回归模型的影响分析是Logistic回归诊断研究中的重要内容。常用的分析方法都是轮换地删除数据点后的逐步判断,而这个判断的过程主要体现在模型的诊断图上。鉴于此,通过构造诊断统计量来有效地开发诊断图成为影响分析的核心内容,并由此能较为准确地探寻出模型的强影响点。本文通过对Logistic回归模型帽子矩阵的分解以及对轮换地删除数据点后的系数估计的相对变化量进行加权,得出Logistic回归模型诊断图使其能比传统的诊断图更准确地判断出模型的强影响点。     

线性回归模型多个离群点的向前逐步诊断方法

当线性回归模型中存在多个离群点时,经典的诊断方法常常因掩盖和淹没现象而失效,导致模型误用。针对此问题,本文在回顾有关文献的基础上,将稳健回归技术与经典诊断量相结合,提出一种向前逐步诊断方法。通过对模拟数据的分析,说明该法可有效地识别回归数据中潜在的离群点,并作正式的统计检验。     

线段自映射回归点的回归方式

有关线段自映射的回归点的研究是一维动力系统理论研究的一个重要课题.近年来这方面的工作已有不少成果发表,但多侧重于对回归点集的性质讨论.本文着重研究了回归点的回归方式.由此看出:在■arkovskii 序的意义下,线段自映射的回归点的回归方式与它的周期点的周期有着十分密切的联系.     

海南人口增长模型的统计分析

介绍了求非线性回归模型参数的基本理论,并且以海南人口增长数据为例,对比_分析了利用Malthus模型和Logistic回归模型的模拟结果.利用Mathematica软件绘制了海南人口增长数据的点图.最后给出海南人口增长数据的拟合曲线和置信域的图形.     

Logistic回归模型的统计诊断

统计诊断的主要任务就是通过诊断统计量检测已知观测数据在用既定模型拟合时的合理性,主要是找出数据当中的异常点或强影响点。本文主要研究Logostic回归模型的诊断统计量和诊断统计图。用牛顿迭代法给出Logistic回归模型的极大似然估计值,根据扰动模型得到传统的诊断统计量,结合残差、杠杆值和系数变化三者构造新的诊断统计量,绘制新的诊断统计图,通过模拟研究说明新的诊断统计量的有效性,最后用一个实际案例说明新的诊断方法的应用并进一步验证其优越性。     

关于赋范空间上连续自映射的回归点

在赋范空间中讨论回归点的性质,主要得到了结果：（1）如果,是序列紧赋范空间X上的连续双射,x是f的任一回归点,则对于任意整数N〉0都存在f的回归点x0∈X使得f^n（x0）=x;（2）序列紧赋范空间上连续自映射的回归点集是f的强不变子集;（3）如果f是局部连通赋范空间X上的连续自映射,则f的每一个回归点或是类周期点或是类周期点的聚点．作为推论,在实直线段上得到了类似的结论．     

基于可调权重距离的最小一乘回归方法

不同时期数据对因变量的影响权重不同,若不考虑数据的时间特性而构建回归模型,可能不一定得到最佳的回归模型.针对经济领域中数据时间跨度大,样本少以及可能存在异常点的特点,提出基于可调权重距离的最小一乘回归方法.建立了可调权重距离的权重系数确定方法,并给出基于MATLAB的模型求解方法.通过某船舶使用费用预测的应用,表明通过方法构建的模型具有更高的精度,值得借鉴.