连续时间下非参数回归模型的误差密度估计

本文研究连续时间下非参数回归的误差密度估计问题，给出误差密度的一个核估计量，利用回归函数的核估计在紧区间上一致均收敛的结论证明了该统计量渐近无偏差，均方相合法，并说明了该核估计中窗宽选取的办法。     

部分线性模型中的非参数部分的线性性检验

In this paper,we propose the test statistic to check whether the nonpara- metric function in partially linear models is linear or not.We estimate the nonpara- metric function in alternative by using the local linear method,and then estimate the parameters by the two stage method.The test statistic under the null hypothesis is calculated,and it is shown to be asymptotically normal.     

α—混合序列和的强大数律及其应用

研究α－混合序列加权和的强大数律，并将这些结果应用于Ｐｒｉｅｓｔｌｅｙ，Ｍ．Ｂ．和Ｃｈａｏ，Ｍ．Ｔ．（１９７２）提出的非参数回归函数加权核估计，获得较理想结论。     

广西GDP的统计预测模型及其应用

本文利用SPSS统计软件及非参数统计方法(卡方检验和K-S检验法)对广西1950年至2006年共57年的GDP数据进行实证分析.在最佳准则(即AIC准则)下建立了ARIMA(1,2,1)时间序列模型,并利用非参数统计方法对此模型进行了适应性检验,然后利用2001年至2006年的实际值与该模型的预测值进行了比较.最后,本文利用该模型对广西未来五年的GDP进行了预测.     

非参数理论综述

对非参数理论进行了系统地综述.非参数理论中一个比较重要的内容是估计方法,常见的非参数估计方法有核估计、局部多项式估计、近邻估计等.光滑参数的选取、"维数灾难"与边界点问题也是与非参数理论有关的重要内容,也对这些方面进行综述.最后,文章还综述了非参数技术在时间序列模型中的有关应用问题.     

The Application of Kernel Smoothing to Time Series Data

There are already a lot of models to fit a set of stationary time series, such as AR, MA, and ARMA models. For the non-stationary data, an ARIMA or seasonal ARIMA models can be used to fit the given data. Moreover, there are also many statistical softwares that can be used to build a stationary or non-stationary time series model for a given set of time series data, such as SAS, SPLUS, etc. However, some statistical softwares wouldn＇t work well for small samples with or without missing data, especially for small time series data with seasonal trend. A nonparametric smoothing technique to build a forecasting model for a given small seasonal time series data is carried out in this paper. And then, both the method provided in this paper and that in SAS package are applied to the modeling of international airline passengers data respectively, the comparisons between the two methods are done afterwards. The results of the comparison show us the method provided in this paper has superiority over SAS＇s method.     

一类线性回归模型中核估计的渐近性质

考虑固定设计下具有一阶非参数自回归误差的线性模型,构造了参数和非参数函数的N-W核估计,在适当的条件下,证明了参数估计的强相合性,同时给出了非参数函数估计的渐近正态性.     

非参数协方差分析基于变系数模型的统计推断

对于一类协方差分析模型,本文基于变系数模型的角度,提出了约束局部加权核估计方法,并构造了相应的检验统计量,给出了计算检验p-值的精确方法.最后通过数值模拟验证了所提检验方法的有效性.     

基于非参数自回归模型的黄金价格短期分析预测

黄金价格的变化受到众多因素的影响,总体呈波动上涨趋势。为了拟合我国黄金现货价格的非线性趋势,本文基于局部线性估计理论,建立了我国黄金现货价格的非参数自回归预测模型NAR(P)。文中结果表明,NAR(P)模型能够较好的拟合黄金价格的非线性趋势,预测误差较小。该模型具有较高的应用价值。     

房产需求量中的若干数学模型和研究

本文是继2006年研究项目“上海市基础房价走势”后的又一后续课题．其宗旨是研究、预测2007年上海市住宅需求量．基于易居（中国）房地产研究院所提供的数据，本文在数据相关性分析基础上，建立了二个预测模型，每个模型分别用2种方法得出结果，以便验证并消除系统误差．模型一：回归模型．分别利用主成分分析基础上的回归以及逐步回归法．模型二：核密度函数模型．通过核估计以及核回归，进行预测．本文模型具有一定的可操作性，使用简便．所得结果得到有关专家的论证和确认．     

我国房地产市场发展问题研究

房地产市场是一个庞大而复杂的系统,它对我国国内生产总值有重要影响,并和百姓生活必需的"住"关系极为紧密.因此,有必要对房地产市场进行深入分析.从当前社会经济发展的现实着手,建立了一系列数学模型,包括房地产市场的供求模型、价格影响模型、房地产行业与国民经济相关行业关联度模型和房地产行业泡沫度量模型.并运用可获得的经济数据对以上模型进行了实证分析,旨在研究如何促使房地产市场健康稳定地持续发展,同时为国家制定房地产的相关政策提供一定的理论参考.     

中国房地产价格的多元线性回归模型

近几年,房价的迅速增长,已经远远超过了GDP和居民可支配收入的增长.那么,我国房地产市场是否已经过热,是否已经出现了泡沫.基于2000~2006年的数据对我国房地产价格函数的影响因素进行了多元线性回归分析.尽管我国部分地区价格偏高,但是并没有出现商品房价格泡沫.     

基于投机价格模型的房地产发展态势研究

近年来我国房地产业发展迅速,但同时房地产业也面临较为严峻的问题和挑战.基于投机价格衡量法,建立房地产行业发展稳定度模型,并且通过SPSS软件对相关数据进行回归分析,测算出全国房地产市场的发展稳定度,结果表明我国房地产行业发展态势基本处于警戒区域,最后提出促进我国房地产市场健康稳定发展的对策.     

基于支持向量机的混沌时间序列模型在房产价格指数预测中的应用

针对房产价格指数的预测问题,建立了混沌时间序列的支持向量机的非线性预测模型.首先运用Cao氏法进行相空间重构,并利用改进型小数据量法计算最大的Lyapunov指数,分析上海房产价格指数时间序列的混沌特性.然后以最小嵌入维数作为支持向量机的输入节点,建立房地价格指数的预测模型.实例表明,该方法能较好地处理复杂的房地产数据,具有较高的泛化能力和很好的预测精度.     

基于灰色理论的温州房价预测模型

以温州统计局有关房地产销售数据为分析对象,用销售总面积和销售总额折算成价格指标,采用灰色系统GM(1,1)建立数学模型对房屋价格指标进行分析和预测.基于投资回报周期和预期心理,对2007至2010年的房价作两次平移整理后再进行建模,效果更为理想.利用模型对.2011年上半年房价进行预测与市场行情吻合性程度高.     

基于变结构协整方法的房地产市场与证券市场关联性分析

运用变结构协整方法,对房地产市场与证券市场相关指数进行了实证分析,结果显示:在所考虑的数据区间房屋销售价格指数与地产指数存在变结构协整关系.同时讨论了变结构模型的应用效果,最后给出了一些相关的建议.     

基于自组织理论的房地产泡沫动态演化过程研究

主要利用自组织行为理论,对非线性系统中房地产泡沫产生、形成、发展以及破灭的动态演化过程加以描述与分析.对自组织理论进行了简要介绍,并把这一理论应用于房地产市场,说明了房地产泡沫的动态演化过程就是一个不确定行为本质特征的复杂系统的自组织行为.在此基础上,对中国房地产泡沫的防范给出了政策建议.