一种估计Logistic模型参数的方法及应用实例

分析了Logistic函数的解析性质,得到了曲线上三个关键点和三个不同的增长阶段,利用差分和最小二乘法,给出了Logistic模型的一种便于使用的参数估计方法．并通过实例,建立Logistic模型对我国城镇居民家庭平均每百户彩色电视机拥有量的增长变化趋势进行了分析和预测．     

Logistic模型中参数的估计

本文得到Ｌｏｇｉｓｔｉｃ模型中参数ａｉ、ｂｉ 的一种便于使用的估计公式,在样本容量较小及精度要求不高时用作试题参数的估计是合适的,也可作为联合极大似然估计中的初始值     

Logistic回归模型选择的渐近概率

在许多情况下，我们需要对logistic回归模型中的重要变量进行选择，在本文中，我们对从信息论准则AIC选择出的模型给出了渐近分布和渐近概率。     

部分线性回归模型中的自适应估计

考虑半参数回归模型y_i=x_iβ+g(t_i)+e_i,1≤i≤n;其中g(·)是未知函数,β是待估参数,e_i是随机误差. 本文首先在(x_i,t_i)是i.i.d设计点列下,当g(·)的估计取一类核估计序列时,构造了β的自适应估计β_n,同时给出了β_n及g_n^*(g的最终估计)的渐近最优强弱收敛速度;然后在(x_i,t_i)是固定非随机设计点列下,当g(·)的估计取一般非参数估计(包括常见核估计和近邻估计),讨论了β的最小二乘估计的渐近正态性.     

基于Logistic回归的水质预测研究

在环境系统评价中,水环境质量等级评价是其中十分重要的工作.鉴于对水环境研究中,水质级别为分类变量不能利用传统回归方法分析的特征,基于logistic回归方法建立了一种水质级别预测模型.利用长江流域的水质监测数据,将logistic回归应用于水质数据分析,进行水质建模,对水质级别做出预测.研究结果表明利用logistic回归进行水质分析,具有良好的拟合和预测效果.     

Logistic和Lotka-Volterra模型参数的灰色估计方法研究

根据灰色系统建模原理,对Logistic模型中的参数进行了估计,将此方法应用于Gause(1934)草履虫实验数据的拟合,并与已有拟合结果对比,说明此方法是有效的.然后将其推广至两种群的Lotka—Volterra模型参数的确定,来研究山西省人口—经济系统的发展演化状况,得出了满意的结果.     

Logistic回归模型在医学上的一个应用

利用广义线性回归理论中的Logistic模型,研究450例孕产期统计数据中糖尿病的发生与其它7个因素的相关关系.说明自由统计软件R在生物、医学数据的统计分析上,有重要的意义.     

基于Logistic回归的主成分估计及实证分析

应用主成分估计方法,对Logistic回归模型进行参数估计,并消除多重共线性影响.首先选取了累计贡献率达到85%以上的6个主成分,对因变量进行主成分估计,然后挑选出冠心病患者发病的主要影响因素,最后得到了因变量(冠心病发病)与6个主要影响因素(血压(sbp)、累计烟草量(tobacco)、低密度脂蛋白胆固醇(ldl)、心脏病家族史(famhist)、型表现(typea)和发病年龄(age))的回归模型.根据结果可知,心脏病家族史是导致心脏病发病最大的一个原因,它是一个不可控因素;在可控因素中,累计烟草量对冠心病发病的影响最大,因此建议患者应该控制烟草摄入量,以保证病情的稳定性.     

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。     

2SUR回归模型系数估计的均方误差比较

对于2SUR回归模型的参数估计问题,给出了一些一航均方误差矩阵比较结果,据此提出了一类线性估计和一类基于离差阵广义非限定估计的非线性两步估计,并获得了该两步估计类的一些有限样本性质。     

一类改进的Logistic模型参数估计方法及其应用

根据实测数据估计Logistic模型参数时,对已有的数据不满足直接利用三点法、四点法应用条件的问题,提出一类改进的三点法、四点法,即迭代逼近算法.以底部耗氧型结冰湖的溶解氧浓度分布为例,建立冰盖下溶解氧浓度垂直分布的Logistic模型,采用迭代逼近算法估计该模型的参数值.结果表明:改进的三点法、四点法的判定系数都较高,均可用于Logistic模型的参数估计,但改进的四点法整体优于改进的三点法.算法进一步完善了Logistic模型的参数估计方法.     

基于弹性网分位数回归的开放型基金绩效研究

开放型基金是证券投资业务的重要形式之一,其风格识别和绩效评价对投资者来说都有很好的借鉴意义。本文将逐步均值回归,分位数回归(Lasso Quantile Regression)和弹性网分位数回归(Elastic Net Quantile Regression)三种方法对18只基金进行建模,观察三种方法对风险因子的识别作用,结果发现分位数回归能够很好地对基金收益的尾部进行风格识别,弹性网分位数回归要比LASSO分位数回归包容了更多的风险因子。然后在不同的厌恶参数γ^*情况下,用这三种方法对18只基金的进行了绩效评价,为了判断这些绩效评价的效果,本文设置了三种不同的投资组合方案,在不同的投资组合方案下比较三种方法对基金绩效评价的可靠性,结果表明无论在哪种方案下弹性网分位数回归的评价效果要优于另外两种方法,也间接证明了这种方法识别的风险因子是有效的。     

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。     

相依回归模型的参数估计的风险估计

本文给出了相依回归模型的ＯＬＳ估计，ＧＬＳ估计和ＲＧＬＳ估计在二次损失和Ｆｉｓｈｅｒ损失下的风险估计不等式。     

一类非线性回归模型参数的广义LS估计

在一无非线性回归模型中，有一类模型可用变量代换Ｘ＝（ｘ），Ｙ＝ψ（ｘ，ｙ）化为线性回归。对这类模型，本文提出用广义ＬＳ法对其参数进行估计，可解决一般ＬＳ法估计这类模型参数的不足，使回归精度提高。     

分组数据分位数回归模型的变量选择和估计北大核心CSCD

本文主要研究分组数据分位数回归模型的变量选择和估计问题.为了充分反映数据的分组信息,需要假定每组数据的回归系数可以分解成共性部分和分组后的个性部分.为了进行变量筛选,本文提出分解系数的Lasso估计,并进一步提出了自适应Lasso估计.在处理相应优化问题时,采用了变换观测矩阵的方法简化问题求解.本文给出了自适应Lasso估计的Oracle性质证明,并且通过数值模拟研究展示了所提方法的有限样本表现.最后,将此方法应用到乳腺浸润癌致病基因的变量筛选上来展示所提方法的实际应用表现.     

平稳增广混合回归模型参数估计的一种新方法及其应用

本文提出平稳增广混合回归模型参数估计的一种新方法,该方法采用逐次投影分离参数的方法直接给出模型中自回归部分参数的估计,并由此而获得回归部分参数的估计。该方法克服了以往解此类问题时只能用近似求解方法的缺点。将该方法用到雷达使用有效度预测方程的参数估计中,取得令人满意的效果。     

Logistic回归模型在信用风险分析中的应用

通过运行SPSS,建立L og istic回归信用评价模型(cred it eva luation m odel),用来对中国2000年106家上市公司进行两类模式分类,这两类模式是指按照公司的经营状况分为“差”和“正常”两个小组.对每一家上市公司,考虑其经营状况的4个主要财务指标:每股收益、每股净资产、净资产收益率和每股现金流量.仿真结果表明,L og istic回归信用评价模型对总体106个样本,判别准确率达到99.06%.此外,本文的研究结果还发现,当利用SPSS的D iscrim inan t给出的模型系数建立的线性判别分析模型和利用SPSS的M u ltinom ia lL og istic给出的模型参数建立的L og istic回归模型,L og istic回归模型的判别结果不如线性判别模型.但如果剔除不合格的样本,或是将样本数据规格化,则可以提高L og istic回归模型的分类准确率.     

Logistic模型的预测应用两例

利用灰色建模法对Logistic模型中的参数进行估计,并将其应用于温州人口以及温州民用汽车拥有量的预测上取得了良好的预测效果.     

截断回归模型参数的非参数最小二乘估计

本文考虑截断回归模型,给出了基于截断数据估计回归参数的一种新方法,此处并不设定残差分布.我们使用早先的关于误差分布非参数估计的结果,在某些正则条件下建立了估计量的相合性.并给出实例说明我们的结果是Heckman(1979)-项工作的本质改进.