结构方程模型与联立方程模型的比较

本文首先介绍了结构方程模型和联立方程模型的一般形式、典型实例及其在我国的研究现状。通过将结构方程模型与联立方程模型进行比较,发现结构方程模型具有能直接处理潜变量和测量误差等优点,在管理学、心理学等社会科学中具有广泛应用;但是结构方程模型对样本量要求大、对抽样、问卷设计和调查过程的缺陷以及忽略变量等模型的设定错误不能弥补;而且,结构方程模型的参数不如联立方程模型的含义那么具体而直观。     

Richards模型参数估计及其模型应用

在非线性模型中,Richards模型是一个含有四参数的增长曲线模型,该模型对数据的拟合有较强的适应性,应用较为广泛.但其参数的估计较为复杂,给出简便易行的三种方法,实例应用表明拟合效果很好.     

Gompertz模型和Logistic模型的拟合

常见的三参数 S形生长模型有 Gompertz模型和 L ogistic模型 .它们在拐点处的坐标、导数与它们的参数是能够相互唯一确定的 .当利用拟事隐函数曲线的 GNL 法对这两种模型进行最小二乘拟合时 ,可根据这一性质对单个未线性化参数的初始值进行搜索 .有时也可对该初始值直接进行搜索 .最后以几个实例成功地对这种算法进行了验证     

企业三重绩效评价模型—空间几何模型

按照可持续发展战略的要求,从经济、生态、社会三个方面构建了企业的三重绩效评价指标体系.运用空间几何方法建立了一套企业三重绩效评价模型,该模型包括静态绩效评价、静态平衡度评价、动态协调度评价以及综合评价.最后,对评价模型进行了初步应用.     

带有缺失数据的结构方程模型中的模型选择问题

结构方程模型在社会学、教育学、医学、市场营销学和行为学中有很广泛的应用。在这些领域中,缺失数据比较常见,很多学者提出了带有缺失数据的结构方程模型,并对此模型进行过很多研究。在这一类模型的应用中,模型选择非常重要,本文将一个基于贝叶斯准则的统计量,称为L_v测度,应用到此类模型中进行模型选择。最后,本文通过一个模拟研究及实例分析来说明L_v测度的有效性及应用,并在实例分析中给出了根据贝叶斯因子进行模型选择的结果,以此来进一步说明该测度的有效性。     

基于积累线性模型的证券单笔交易模型

积累线性模型是处理自变量为连续变量、因变量为离散变量时的常用方法。而单笔交易中证券价格的变动为离散变量,本文采用积累线性模型为其建模,得到了在一定的交易方向和交易量下,证券价格变动的条件概率分布。理论与实证结果均显示,积累线性模型更适合用于建立单笔交易模型;其中序次Logisic回归又比序次Prob it回归的拟合效果更好。使用积累线性模型建立的证券单笔交易模型具有良好的应用前景。     

房地产行业供需模型及调控模型的研究

首先,以房地产市场的非均衡计量经济模型为基础,得到房地产住房供需模型;然后根据"在有确定调控结果的前提下找出具体调控策略"的思想,建立了与房价、住房需求、住房供给有关的倒向常微分方程作为房地产调控模型,为政府提供倒向调控依据,并根据房地产的可持续发展模型检验调控策略的成效.     

汽车保险的精算模型及其应用

本文应用我国一家保险公司的实际数据 ,对各种可以反映保单持有人索赔次数的模型 (包括负二项模型、泊松 -逆高斯模型、二元风险模型、三元风险模型、二项 -贝塔模型和负二项 -帆塔模型 )分别进行了拟合 ,结果表明三元风险模型拟合效果最好 ,因此利用三元风险模型构造了对保单持有人根据后验风险的大小调整其续期保费的系统     

时间序列模型和神经网络模型在股票预测中的分析

利用MATLAB软件编程建立AR模型、RBF和GRNN神经网络模型,滚动预测上证指数开盘价、最高价、最低价和收盘价与实际价格对比,分析误差.结果表明,3种模型用于股票预测均是可行的,误差很小.AR模型不稳定,对个别预测较准;RBF和GRNN网络训练速度都很快,但GRNN比RBF预测效果好.     

成比例附加故障混合模型

Frailty模型和可加故障模型在研究各种风险因素与疾病发生原因的关系中提供了两种重要的方法.在不知哪个模型更适合数据时,涵盖这两个模型的成比例附加故障模型提供了一个备选模型.Frailty基本上是观察不到的,需要考虑对应的混合模型.本文研究了成比例附加故障混合模型的年龄性质、相依性质.并对该模型中的那些随机变量进行了随机比较.     

Multiset Model Selection

Model selection algorithms are required to efficiently traverse the space of models. In problems with high-dimensional and possibly correlated covariates, efficient exploration of the model space becomes a challenge. To overcome this, a multiset is placed on the model space to enable efficient exploration of multiple model modes with minimal tuning. The multiset model selection (MSMS) framework is based on independent priors for the parameters and model indicators on variables. Posterior model probabilities can be easily obtained from multiset averaged posterior model probabilities in MSMS. The effectiveness of MSMS is demonstrated for linear and generalized linear models. Supplementary material for this article is available online.     

基于AR(n)模型的卡尔曼滤波模型

考虑到对于处于不同位置的变形监测点,由于它们所处的位置不同,各种环境因素对它们的影响及影响程度也不同,作者预置数个AR(n)模型,通过计算比较,选择剩余标准差最小的AR(n)模型作为初选模型,再将初选的AR(n)模型的模型参数看作包含有动态噪声的状态向量,建立卡尔曼滤波模型.实例分析表明,采用这种方法能够提高模型的拟合精度和预测精度.     

基于Kriging模型和提升小波变换的随机模型修正北大核心CSCD

为提高随机模型修正效率,减小计算量,提出了一种基于Kriging模型和提升小波变换的随机模型修正方法.首先,对加速度频响函数进行提升小波变换,提取第5层近似系数代替原频响函数.其次,采用拉丁超立方抽样抽取待修正样本,将其作为Kriging模型的输入,对应的近似系数作为输出,构建Kriging模型.提出了一种引入莱维飞行(Lévy flight)的蝴蝶优化算法(LBOA),并将其应用于Kriging模型相关参数的寻优中,提高Kriging模型的精度.最后,以最小化Wasserstein距离为目标,通过鲸鱼优化算法求解待修正参数的均值.测试函数结果表明,LBOA在寻优能力、收敛精度和稳定性等方面有了很大的提升.数值算例的修正误差均低于0.4%,验证了所提模型修正方法具有较高的修正精度和效率.     

Interaction Model and Model Selection for Function-on-Function Regression

Regression models with interaction effects have been widely used in multivariate analysis to improve model flexibility and prediction accuracy. In functional data analysis, however, due to the challenges of estimating three-dimensional coefficient functions, interaction effects have not been considered for function-on-function linear regression. In this article, we propose function-on-function regression models with interaction and quadratic effects. For a model with specified main and interaction effects, we propose an efficient estimation method that enjoys a minimum prediction error property and has good predictive performance in practice. Moreover, converting the estimation of three-dimensional coefficient functions of the interaction effects to the estimation of two- and one-dimensional functions separately, our method is computationally efficient. We also propose adaptive penalties to account for varying magnitudes and roughness levels of coefficient functions. In practice, the forms of the models are usually unspecified. We propose a stepwise procedure for model selection based on a predictive criterion. This method is implemented in our R package FRegSigComp. Supplemental materials are available online.     

Logistic模型的改进——双S形曲线模型的研究

在Logistic模型的基础上,对一类空间饱和容量会随着时间发生变化的问题进行了讨论,指出了Lo-gistic模型应用在这类问题上的局限性,建立了解决该类问题的双S形曲线模型.对一组实际数据进行了拟合,结果表明双S形曲线模型能够更好地刻画实际问题,相对准确地预测未来的发展趋势.     

Verhulst模型、微分模型及时滞模型的建模与经济预测应用

经济预测中常常会遇到外生变量的确定问题，由于累积误差和传递误差的存在而很困难，因而需要其它方法，为此我们引入Ｖｅｒｈｕｌｓｔ模型来描述经济过程的动态特征，并用阶数不超过３的微分模型发展了这一思想以便描述，同时具有趋势变动和周期性扰动的数据结构，这是一种非常普遍的情形．然后我们证明了微分模型与时滞模型是等价的，而后者的参数估计极为简单．     

质量评价的属性数学模型和模糊数学模型

本文提出了质量评价的属性数学模型。该模型由三部分组成：单指标属性测度分析，多指标综合属性测度分析，属性识别分析。我们分析了属性数学模型和模糊数学模型的差异。应用例子表明属性数学模型是更合理的     

顾客满意度模型

本运用层次分析法建立数学模型，对顾客在消费过程中对企业满意程度的问题进行科学的测量，该模型可推广到一般满意度的测量问题中。     

一类传染病模型

利用稳定性理论和齐次向量场的性质对一类传染病模型的一般情形进行研究,通过对R2中相应系统的平衡点的存在性和稳定性的分析,得出该类传染病持续生存和最终消亡的阈值,而且它与治愈者的死亡率以及治愈者向易感者的转化率无关.