系数为梯形模糊数的模糊回归分析的最小二乘法

由于模糊数往往可以用梯形模糊数来逼近,因此对梯形模糊数的模糊回归模型的研究就有一定的实用价值.采用最小二乘的方法,针对输入为精确数、输出和回归系数都是梯形模糊数的模糊线性回归模型,讨论了该模型回归系数的最小二乘估计及误差项的估计,实例说明了提出的参数估计的拟合度比较好.     

系数为LR-型模糊数的模糊线性最小二乘回归

针对输入、输出以及系数为LR-型模糊数的情况,建立模糊线性回归模型,提出该模型的最小二乘估计以及模型性能评价方法。当输入、输出以及系数都退化为精确值时,该估计退化为经典的最小二乘估计。该方法不仅适用于三角模糊数,也适用于其它LR-型模糊数(如指数型模糊数)。数值模拟表明,该方法的拟合效果较好。     

模糊线性回归模型的约束最小二乘估计

自Tanaka等1982年提出模糊回归概念以来,该问题已得到广泛的研究。作为主要估计方法之一的模糊最小二乘估计以其与统计最小二乘估计的密切联系更受到人们的重视。本文依据适当定义的两个模糊数之间的距离,提出了模糊线性回归模型的一个约束最小二乘估计方法,该方法不仅能使估计的模糊参数的宽度具有非负性而且估计的模糊参数的中心线与传统的最小二乘估计相一致。最后,通过数值例子说明了所提方法的具体应用。     

基于具有LR型模糊输出回归模型的保费预测

在保费预测研究中,提出了一种基于模糊回归模型的预测方法.采用模糊最小二乘法,针对清晰输入和LR型模糊输出,在考虑输出量隶属函数类型存在差异问题基础之上,得到模型回归系数的迭代解.通过最小二乘估计的定性分析,给出检验模型拟合度的指标.结合保费数据的预测结果表明模型可行且具有较强的解释能力.     

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。     

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。     

不同距离的双线性自适应模糊回归的最小二乘比较

针对双线性自适应模糊回归模型,采用了欧氏距离、Y-K距离和D_k距离,分别讨论了该模型的最小二乘估计及相关性质,得出在这三种距离下,它们的回归系数的最小二乘估计的形式是一致的仅仅系数不相同,且它们的观测中心和插入中心、设计边宽和插入边宽的误差和为0的结论.通过实例验证了上述结论的正确性.     

基于广义最大熵的具有模糊输入输出的回归模型的参数估计

模糊回归是在模糊系统中建立因变量与一组自变量之间关系的重要工具,以评估模糊自变量如何影响模糊响应变量的过程。当系统中出现小样本或者非列满秩设计矩阵时,模糊最小二乘法可能得出偏误估计。本文基于文献[13]中的多元线性回归模型,利用广义最大熵方法,针对模糊输入模糊输出数据,给出线性回归模型的参数估计和算法步骤。当输入或输出数据退化为清晰值时,该估计退化为清晰输入模糊输出或者模糊输入清晰输出的回归模型参数估计。本文结合模拟数据和实例数据,将广义最大熵方法与模糊最小二乘方法、岭估计方法进行比较研究,结果显示广义最大熵方法的可行性和有效性。     

带模糊回归参数的线性回归模型

本文讨论了数值输入模糊数输出的观测数据的线性最小二乘拟合问题，建立了数值空间到模糊数空间的带模糊回归参数的线性回归模型，证明了模型解的存在性和唯一性，并得到了解的表达式。本模型应用简便，具有实用价值。     

拟合模糊观测数据的线性回归模型

本文讨论了实验观测数据为一般模糊数的线性最优拟合问题，通过定义模糊数空间中的距离，建立了模糊数空间到模糊数空间的回归模型，证明了最小二乘问题的解与其正则方程组的解的一致性，进而由正则方程组导出了问题的显式解。本模型的计算简便，具有实用价值。     

协方差阵估计的比较

本文在一般线性回归模型误差异方差情况下，通过计算机模拟对回归系数最小二乘估计的协方差矩阵的估计进行了比较。结果表明，当样本大小大于50时，回归系数的最小二乘估计具有较高的估计精度；其协方差矩阵的五种估计以普通最小二乘估计的协方差矩阵为最优。     

基于效用函数的模糊数的比较与排序

对相同的模糊数进行比较,不同风险偏好的决策者,会得到不同的结论.效用函数是对风险偏好的度量,因此,模糊数的比较与排序的方法,一定要结合决策者的效用函数来构造.为此,根据效用函数定义了模糊效用函数,在此基础上定义了效用序.之后,证明效用序为全序,进一步利用结构元理论对效用序进行表述.根据效用函数反映风险偏好的程度,对效用序进行分类.这样,决策者对模糊数进行比较时,依据自身对风险偏好程度来选择效用序.     

回归系数的广义根方估计及其模拟

文献[1,2]中提出了回归系数的根方估计~(k),当回归自变量间存在复共线关系时,~(k)较回归系数的最小二乘估计有所改善,本文将根方估计作一拓广,得出了回归系数的广义根方估计~(K),其中K为对角阵,文中证明了广义根方估计~(K)较~(k)能更有效地改善最小二乘估计,并给出了广义根方估计的显式解,在此基础上,提出了广义根方估计的显式解和一种确定k_i的方法。     

三角模糊数判断矩阵理论及排序方法研究

由于三角模糊数运算的复杂性和特殊性,许多经典判断矩阵的理论并非完全适用于三角模糊数判断矩阵.首先指出目前文献中三角模糊数判断矩阵排序向量研究中存在的问题,并对经典判断矩阵的理论和性质在三角模糊数中是否完全适用进行了证明,然后基于已经证明在三角模糊数判断矩阵所适用的性质,分别建立了最小二乘法的三角模糊数互反互补判断矩阵目标优化模型,通过求解其模型可得到矩阵的权重向量,最后利用已有的三角模糊数排序公式求得决策结果.算例分析验证了该方法的正确性和有效性.     

删失数据下线性回归模型的参数估计

主要叙述在数据观测不完全的情况下,采用最小二乘法对线性回归模型回归系数的估计及估计量的渐进性质,并给出数据模拟．     

PLSR模型的回归效果分析

本文简单地介绍了多元线性回归、主元回归、部分最小二乘回归模型 ,用实例对三种方法的回归性能进行比较 ,并指出在消除多重共线性、回归系数估计精度及预测精度等方面 ,部分最小二乘回归模型优于其它两种模型     

回系数的广义根方估计及其模拟

文献［１，２］中提出了回归系数的根方估计β＾（ｋ），当回归自变量间存在复共线关系时，β＾（ｋ）较回归系数的最小二乘估计β有所改善。本文将根方估计作一拓广，得出了回归系数的广义根方估计β＾（Ｋ），其中Ｋ为对角阵。文中证明了广义根方估计β＾（Ｋ）较β＾（ｋ）能更有效地改善最小二乘估计，并给出了广义根方估计的显式解，在此基础上，提出了广义根方估计的显式解和一种确定ｋｉ的方法。     

一种基于梯形模糊数的模糊多属性格序决策方法

从格序结构理论出发,根据梯形模糊数构成的集合按照一定的比较规则构成一偏序,进而满足一定条件构成格.给出了在应用具有梯形模糊数的多属性格序决策过程中格中缺失元素的补充机理.研究了用格序决策理论对梯形模糊数进行排序的方法,并将其用于投资者对投资方案的选择.     

权值不确定的模糊多属性格序决策方法

针对权值是区间数且指标值以三角模糊数形式给出的模糊多属性决策问题,基于格序决策的理论,提出一种新的格序决策办法.方法通过计算梯形模糊数的中心将TOPSIS方法推广到了模糊数的领域,进而给出一种新的方案排序方法.     

聚集数据下回归系数混合估计的相对效率

讨论在聚集数据情形下,具有附加信息的线性回归模型的参数估计,提出了回归系数的聚集混合估计,研究了该估计相对于Peter—Karsten估计和相对于最小二乘估计的相对效率,得到了相对效率的上、下界.