基于径向基的自适应惩罚样条回归模型

传统惩罚样条回归模型中惩罚项的设置未考虑数据的空间异质性,因而对复杂数据的拟合缺乏自适应性.文章通过对径向基函数的几何意义分析,以节点两侧相邻区域内数据点的纵向极差为基础,构造局部惩罚权重向量并加入到约束回归模型的惩罚项中,构造了基于径向基的自适应惩罚样条回归模型.新模型在观测数据波动较大的区域,给予拟合曲线较小的惩罚,而在观测数据波动较小的区域,给予拟合曲线较大的惩罚,从而使拟合曲线能自适应地反映观测数据的局部变化特征.模拟和应用结果显示新模型的拟合效果显著优于传统的惩罚样条回归模型.     

局部权重调节的自适应惩罚样条回归模型

传统惩罚样条回归模型中的惩罚是均匀惩罚未考虑数据的局部异质性,因而对复杂数据的拟合缺乏自适应性.本文针对约束回归模型惩罚项的设置特点,设计一种局部惩罚权重向量并将其加入到模型中,构造基于B样条基的自适应惩罚样条回归模型.新模型在观测数据波动较大的区域,给予拟合曲线较小的惩罚,而在观测数据波动较小的区域,给予拟合曲线较大的惩罚,从而使拟合曲线能自适应的反映观测数据的局部变化特征.模拟和应用的结果显示新模型的拟合效果显著优于传统的惩罚样条回归模型.     

基于惩罚回归样条的积分近似计算与应用

提出一种利用惩罚回归样条拟合被积函数f(x),从而计算复杂积分∫baf(x)dx的新方法.在仅知f(x)带随机扰动的离散数据点集的情况下,利用基于截断幂形式的样条基函数,通过惩罚样条回归,给出函数的多项式拟合结果,再根据该多项式形式便捷计算出积分.模拟和实际应用结果显示该方法计算简单快捷,并具有较好的准确度.     

生长曲线模型的变量选择

生长曲线模型是一个典型的多元线性模型, 在现代统计学上占有重要地位. 文章首先基于Potthoff-Roy变换后的生长曲线模型, 采用自适应LASSO为惩罚函数给出了参数矩阵的惩罚最小二乘估计, 实现了变量的选择. 其次, 基于局部渐近二次估计, 对生长曲线模型的惩罚最小二乘估计给出了统一的近似估计表达式. 接着, 讨论了经过Potthoff-Roy变换后模型的惩罚最小二乘估计, 证明了自适应LASSO具有Oracle性质. 最后对几种变量选择方法进行了数据模拟. 结果表明自适应LASSO效果比较好. 另外, 综合考虑, Potthoff-Roy变换优于拉直变换.     

删失数据下回归函数的加权局部复合分位数 回归估计

在右删失数据下,研究了误差具有异方差结构的非参数回归模型,利用局部多项式方法构造了回归函数的加权局部复合分位数回归估计,并得到了该估计的渐近正态性结果,最后通过模拟,当误差为重尾分布时,该估计比局部多项式估计以及核估计表现得更好.     

总体最小二乘准则下非线性EV模型的参数拟合方法

在非线性回归模型参数拟合问题中,当数据中的每个变量都存在不可忽略的误差时,在普通的最小二乘准则下拟合出的参数不是最优的.按照总体最小二乘准则,以观测点到拟合曲线或拟合曲面垂直距离平方和为目标函数,然后用最优化方法搜索出使目标函数值取最小值的参数和数据点估计,从而给出求最优模型参数的算法,最后,通过计算机仿真和与文献比较,验证了提出方法的正确性.     

纵向数据半参数回归模型的估计方法

本文考虑纵向数据半参数回归模型,通过考虑纵向数据的协方差结构,基于Profile最小二乘法和局部线性拟合的方法建立了模型中参数分量、回归函数和误差方差的估计量,来提高估计的有效性,在适当条件下给出了这些估计量的相合性.并通过模拟研究将该方法与最小二乘局部线性拟合估计方法进行了比较,表明了Profile最小二乘局部线性拟合方法在有限样本情况下具有良好的性质.     

基于基样条局部逼近散乱数据拟合中的Shepard方法

本文针对散乱数据拟合的shepard方法,提出了一种局部逼近的新方法.该方法以局部三次基样条函数作为Shepard公式中的权函数,新的权函数具有良好的衰减性和二阶连续性,从而改进了传统方法的不足之处,使实际应用效果更好.     

Cox比例风险模型中基于SELO惩罚函数的变量选择方法

在生物医学研究中,研究个体的失效时间往往存在删失,Cox比例风险模型是经常被用来处理此类删失数据的模型.对于带有删失的高维数据,如何从众多协变量中挑选出少数的致病因素是研究者的兴趣所在.本文针对高维删失数据利用SELO惩罚函数考虑了基于Cox比例风险模型框架下的变量选择及参数估计问题.在允许协变量维数发散的条件下,本文给出SELO惩罚估计量的相合性以及oracle性质.计算方面若采用传统方法计算惩罚估计解,当协变量维数较高时计算Hesse阵的逆矩阵需要花费大量的时间,且SELO惩罚函数在原点的不光滑性也给计算SELO惩罚估计带来很大难度.为此,本文利用光滑化技术对SELO惩罚函数进行近似,并利用DFP公式去代替Hesse阵的逆矩阵,进而提出了MSQN算法.模拟计算的结果表明,SELO惩罚方法比已有常用的惩罚方法表现更好,而且本文提出的新算法与常用的坐标下降算法相比表现更优.在真实数据部分,本文还分析了乳腺癌数据,并利用留一交叉验证法来评估预测的好坏.     

生长曲线模型的惩罚最小二乘估计

主要考虑了生长曲线模型中的参数矩阵的估计.首先基于Potthoff-Roy变换后的生长曲线模型,采用不同的惩罚函数:Hard Thresholding函数,LASSO,ENET,改进LASSO,SACD给出了参数矩阵的惩罚最小二乘估计.接着对不做变换的生长曲线模型,直接定义其惩罚最小二乘估计,基于Nelder-Mead法给出了估计的数值解算法.最后对提出的参数估计方法进行了数据模拟.结果表明自适应LASSO在估计方面效果比较好.     

基于交叉相关系数的风矢度量模型

利用卫星云图中的灰度数据,建立了基于灰度值相关系数的风矢场动态匹配度量模型,并用差商法、三次样条插值法和整体局部匹配算法对模型进行优化.与传统的固定窗口风矢度量模型相比,具有较高的度量精度和匹配速度.对非单调的气压层与温度函数进行了分段拟合求解,根据气压层温度曲线特性和气压不能突变原理,建立了气压层全局匹配模型.     

厄兰极值混合模型的有效估计及其在保险中的应用

本文研究了Erlang混合分布和广义帕累托分布混合模型的估计问题.通过引入iSCAD惩罚函数,利用EM算法极大化iSCAD惩罚似然函数的方法,获得了混合序和参数的估计值,计算出有效的度量风险指标value-at-risk(VaR)和tail-VaR(TVaR),通过模拟实验和实际数据说明了模型和算法的有效性.推广了有限Erlang极值混合模型在保险数据拟合中的应用.     

树结构变窗宽局部多项式拟合方法

变窗宽局部多项式模型是探索被估计曲线复杂变化结构的有力工具,其关键思想在于针对不同变化模式的数据区间选择不同窗宽参数进行拟合.基于回归树模型提出一种变窗宽多项式拟合方法,利用回归树的分类功能识别具有不同变化结构的数据区间,在每个子区间上独立选取最优窗宽,通过局部多项式回归实现复杂结构曲线的变窗宽拟合.随机模拟的结果表明,回归树能够有效识别具有不同变化模式的数据区间,变窗宽局部多项式拟合均方误差小,具有计算高效、结果易解释的特点.     

我国能源产业系统的演化过程与混沌

产业系统的整体演化过程可以用一种Logistic方程来描述,并且当模型参数满足一定条件时出现混沌.利用我国能源生产量数据对我国能源产业系统演化过程进行拟合的结果表明,其整体过程呈S型曲线,并由许多小的近似于S型的曲线叠加而成.应用状态空间重构与关联维计算方法,证实了我国能源产业系统的能源生产量时间序列存在混沌性,系统演化具有不规则周期.     

删失指标随机缺失下回归函数的复合分位数回归估计

在非参数回归模型中,传统的Nadaraya-Watson核估计和局部多项式估计常常因为误差为重尾情况而变得不稳健,Kai等人(2010)提出的复合分位数回归方法能弥补这一缺陷.文章在删失指标随机缺失的情况下,研究了误差具有异方差结构的非参数删失回归模型,利用局部多项式方法构造了回归函数的复合分位数回归估计,并得到了该估计的渐近正态性结果,把Kai等人(2010)的结果推广到删失指标随机缺失的右删失数据下.最后通过模拟发现,尤其是当误差为重尾分布时,该估计方法比Wang和Zheng (2014)提出的核估计方法更好.     

基于凹凸组合的一类洛伦兹曲线模型

为了统计和分析一个国家和地区的收入分配情况,经济学界往往通过入户调查获得家庭收入与消费等数据,采用洛伦兹曲线模型来进行数据拟合.洛伦兹曲线模型拟合效果的好坏,直接影响着收入分配的描述.本文构建了一类凹凸组合的洛伦兹曲线模型,并针对19个国家的收入分配数据进行了实证分析.结果显示该模型具有较好的拟合效果,其基尼系数能较好地描述收入分配现状,对反映和监测居民之间的贫富差距具有重要意义.     

几种基于散乱数据拟合的局部插值方法

本文首先针对散乱数据拟合的Shepard方法,结合截断多项式、B样条基函数和指数函数来构造其权函数,使新的权函数具有更高的光滑度和更好的衰减性,并且其光滑性和衰减性可以根据实际需要自由调节,从而提高了曲面的拟合质量．同时还给出一种类似的局部插值方法．另外,本文还基于多重二次插值,结合多元样条的思想,给出了两个局部插值算法．该算法较好地继承了多重二次插值曲面的性质,从而保证了拟合曲面具有好地光顺性和拟合精度．曲面整体也具有较高的光滑性．     

纵向数据非参数模型的惩罚修正二次推断函数估计

基于纵向数据研究非参数模型y=f(t)+ε,其中f(·)为未知平滑函数,ε为零均值随机误差项.利用截断幂函数基对f(·)进行基函数展开近似,并且结合惩罚样条的方法构造关于基函数系数的惩罚修正二次推断函数.然后利用割线法迭代得到基函数系数估计的数值解,从而得到未知平滑函数的估计.理论证明,应用此方法所得到的基函数系数估计具有相合性和渐近正态性.最后通过数值方法得到了较好的拟合结果.     

具有非对称模糊加工时间工期指派调度优化问题的一类加权模型及其求解算法

根据模糊变量截集所表达的信息的重要程度,建立了模糊环境下工期指派调度优化问题的一类加权模型,该模型中工件加工时间为非对称三角模糊数,目标函数为极小化提前完工惩罚和拖期完工惩罚和的加权可能性均值.证明了当工件加工时间具有相同宽度比时,模型是多项式可解的,并给出了求解的多项式算法.数值实验表明加权模型与现有的非加权模型相比能有效的降低总费用.     

纵向数据广义部分线性模型的惩罚GMM估计

对纵向数据的部分线性模型,通常的做法是用样条方法或者核方法逼近非参数部分,然后再用广义估计方程的估计方法去估计参数部分.本文使用P-样条拟合非参数函数,对不同的矩条件用不同的广义矩方法对模型的参数和非参数进行估计,并且给出了估计量的大样本性质;并用计算机模拟和实例证明了当模型中存在不同的矩条件时,采用不同的惩罚广义矩方法可以显著地提高估计精度.