模糊线性回归模型的最小二乘方法

针对自变量和因变量皆模糊的数据系统中的回归分析问题,为避免自变量退化成数值变量时可能引致的估计误差增大而带来的问题,提出系统中引入模糊调整项的回归模型的一般结构,并运用基于模糊数间完备距离的最小二乘法研究模型解析表达式;利用水平截集概念将模糊多元回归模型转化成两个传统回归模型,根据模糊数间距离采用最小二乘法得到参数估计,给出员工工作绩效评估的算例说明方法的有效性,并结合Bootstrap方法的应用,研究回归参数所具有的随机不确定性动态变化。     

解决多重共线性问题的线性回归方法

本文针对当出现多重共线性时用普通最小二乘法估计的参数值与实际值相去甚远 ,甚至无法被估计的现象 ,介绍了三种解决办法 :主成分回归、岭回归和偏最小二乘法。这三种方法在解决问题的思路上各有异同 ,本文着重介绍了它们的基本思想和主要处理步骤     

解决多重共线性问题的线性回归方法

本文针对当出现多重共线性时用普通最小二乘法估计的参数值与实际值相去甚远甚至无法被估计的现象 ,介绍了三种解决办法 :主成份回归、岭回归和偏最小二乘法。这三种方法在解决问题的思路上各有异同 ,本文着重介绍了它们的基本思想和主要算法步骤     

基于模糊线性回归的电子商务交易额预测

由于外界环境的影响以及复杂系统本身的模糊性,经典线性回归不能解释这类不精确数据的问题.因此,文章建立因变量是对称模糊数的线性回归模型.根据中国电子商务交易额和互联网发展数据,考虑因变量在不同时期的差异隶属,计算出回归函数的估计表达式.通过与经典线性回归的结果进行比较分析,表明模型在描述数据间内在结构,以及提高预测的精度上有显著效果.     

线性回归模型在因变量缺失下的约束估计

文章主要研究了线性回归模型在因变量缺失下的约束估计,基于完整数据方法和单点插补方法,我们给出了模型系数的两种约束估计,并研究了估计量的渐近正态性.最后,我们通过数值模拟验证了所提方法的有效性.     

MATLAB中方程组的解与回归模型的最小二乘估计

本文讨论了线性回归模型与线性方程组之间的内在联系与形式上的差异,基于MATLAB对线性方程组的解进行了扩展,指出超定方程组的近似解就是对应线性回归模型的最小二乘解,并且给出了实例和相应模拟程序.     

基于分位数回归的面板数据模型估计方法

文章在对分位数回归基本原理进行全面分析说明的基础上,对其在面板数据模型中的应用作了深入分析。利用1998～2006年25个行业企业销售收入与专利申请数量的面板数据,分别采取最小二乘法和分位数回归法进行参数估计和比较分析,结果表明：分位数回归方法在进行面板数据模型估计时具有明显的优势。     

EXCEL在多元线性回归分析中的应用

在一元线性回归分析中,重点放在了用模型中的一个自变量X来估计因变量Y。实际上,由于客观事物的联系错综复杂,一个因变量的变化往往受到两个或多个自变量的影响。为了全面揭示这种复杂的依存关系,准确地测定它们的数量变动,提高预测和控制的精确度,就要考虑更多的自变量,建立多     

异方差条件下两种回归方法的比较

最小二乘回归作为一种优良的统计方法应用非常广泛,但是在使用时要求满足同方差等假设条件.文章归纳总结了最小二乘回归和分位数回归的理论特点及异方差产生的原因,论证了异方差对最小二乘回归造成的负面影响,并通过模拟研究和实例研究比较了两种回归方法的功能.结果显示,在异方差情况下,分位数回归可以在因变量条件分布的不同水平上刻画回归关系,分离出回归系数的变异,其结果较最小二乘回归更加全面和细致.     

偏最小二乘回归的基本性质扩展与改进策略

偏最小二乘回归(PLS)应用价值广泛,在战略管理研究中,尤其是以企业样本为主要分析单位时,偏最小二乘回归良好的数学性质,如交叉有效性原则、对样本量需求小和对多重共线性诊断的优势等发挥得非常明显;同时偏最小二乘回归在组织与管理研究中也存在较明显的不足。文章针对这些不足,运用一个战略管理领域企业实地调研的实例对偏最小二乘回归的劣势进行了否证式的说明与论证。     

纵向数据部分线性模型的估计方法

本文首先讨论了纵向数据部分线性模型yij=xijβ+g(tij)+eij的可行广义最小二乘估计方法及其估计的渐近性质,然后通过统计模拟研究表明我们的估计方法在有限样本情形也有良好的效果.由该方法获得的估计量具有显示解,计算简便,便于实际应用.     

半参数Beta回归模型在数据挖掘中的应用

回归分析是数据挖掘中重要的方法之一。文章研究了基于半参数Beta回归模型结合惩罚样条估计的数据挖掘方法。当数据中因变量的数据取值为(0,1)区间(或某个区间)时,利用半参数Beta回归模型进行数据挖掘,不仅具有很好的解释效果,而且能挖掘出隐含在数据内部的有用信息。实验结果验证了研究方法的有效性。     

一种新的神经网络集成方法在证券分析预测中的应用

文章利用Bagging技术和不同的神经网络算法生成集成个体,并用偏最小二乘回归方法从中提取集成因子,再利用贝叶斯正则化神经网络对其集成,以此建立上证指数预测模型。通过上证指数开盘价进行实例分析,计算结果表明该方法预测精度高、稳定性好。     

偏最小二乘回归在SPSS软件中的实现

偏最小二乘回归是第二代回归分析方法,目前已在各种领域得到广泛应用.文章通过详细介绍不同版本的SPSS软件中PLS模块的安装来说明偏最小二乘回归方法在SPSS软件中的实现,并结合实例进一步说明该方法的参数设置和结果的解释.实例分析表明:偏最小二乘回归能够解决变量间多重共线性问题,适合在样本数小于变量个数情形下对系统进行回归建模.     

基于STIRPAT和偏最小二乘回归的碳排放预测模型

文章借鉴STIRPAT模型,选取人口、城市化率、人均GDP、工业化水平、第三产业增加值占GDP比例、能源消耗强度、煤炭消费比例、石油消费比例等8项因素作为自变量,以1980年到2009年的指标数据为样本,运用偏最小二乘回归方法构建了我国碳排放预测的STIRPAT模型,并结合拟合模型分析了各因素对碳排放的解释作用,指明了碳减排应重点关注的因素。     

空间回归模型估计中的最小二乘法

空间回归模型由于引入了空间地理信息而使得其参数估计变得复杂,因为主要采用最大似然法,致使一般人认为在空间回归模型参数估计中不存在最小二乘法。通过分析空间回归模型的参数估计技术,研究发现,最小二乘法和最大似然法分别用于估计空间回归模型的不同的参数,只有将两者结合起来才能快速有效地完成全部的参数估计。数理论证结果表明,空间回归模型参数最小二乘估计量是最佳线性无偏估计量。空间回归模型的回归参数可以在估计量为正态性的条件下而实施显著性检验,而空间效应参数则不可以用此方法进行检验。     

多元线性回归统计预测模型的应用

文章将多元统计分析作为基础与前提,结合相关数据进行了一系列的方法验证,验证了有关结果变动对于多元线性回归方程的整体的影响.通过实例对有关模型概念进行证明;并且通过模型结合其他的方法,让检测结果更加真实,提高准确度以及效率,使原本的回归结果能够得到最大程度上的优化.     

我国电信收入的统计分析

根据1991-2003年中国统计年鉴的统计数据,以电信收入为研究对象,以国民生产总值等8个变量为影响因素,借助SPSS和SAS软件,建立电信收入的最佳回归模型,揭示了相关因素之间的相互影响的数量变动关系,就如何提高电信收入,促进经济的发展提出若干建议.