Logistic方法在财务困境预测中的应用

财务困境预测已成为国内外广泛关注的研究领域.财务困境预测方法主要包括多元线性判别法、逻辑回归法等参数方法以及神经网络等非参数方法,本文对各主要方法的优劣进行了评价,阐述了逻辑回归模型在财务困境预测领域的应用现状,并应用Logistic模型对我国上市公司进行了分类预测,在T-2年上取得了较好的预测精度.     

基于模糊神经网络的企业财务危机非线性组合预测方法研究

本文提出了一种基于模糊神经网络的企业财务危机非线性组合建模与预测新方法,并给出了相应的混合学习算法。通过与多元线性回归模型、Fisher模型和Logistic回归模型的预测结果对比表明,该方法具有预测精度高,学习与泛化能力强,适应性广的优点。在预测上市公司财务危机方面优于其他方法。     

多元线性回归与ARIMA在中国人口预测中的比较研究

参考中国统计年鉴1970-2005年的数据，文章建立了多元线性回归模型和基于ARIMA算法的时间序列模型对我国人口进行预测，将结果与实际值进行比较，得出多元线性回归模型在人口预测上具有更高的精准度。两个模型同时表明，我国人口在短期内会继续增长，并且多元线性回归模型表明增长趋势会逐渐变缓。     

基于Excel的向前增选法多元线性回归在体育教学中的应用

直线回归研究的是一个因变量与一个自变量之间的回归问题,但是,在社会经济领域的许多实际问题中,影响因变量的自变量往往不止一个,而是多个,比如血压受年龄、性别、体重、性格、职业(体力劳动或脑力劳动)、饮食、吸烟、血脂水平等因素的影响,因此需要进行一个因变量与多个自变量间的回归分析,即多元回归分析.其中最为简单、常用并且具有基础性质的是多元线性回归分析,许多非线性回归和多项式回归都可以化为多元线性回归来解决,因而多元线性回归分析有着广泛的应用.目前,在体育统计学中大多采用SPSS统计软件进行回归分析.本文利用Excel的数据分析工具,通过建立“最优”回归方程对因变量进行预测或控制.     

基于参照认知理论视角的领导公平与信息公平对组织报复行为的影响研究

以546名企业员工为研究对象,采用探索性因子分析、验证性因子分析和多元线性回归分析等统计方法,分析了组织报复行为的结构,以及领导公平、信息公平与组织报复行为的关系。研究结果发现,组织报复行为可以分为主动性组织报复行为和退缩性组织报复行为;领导公平对主动性组织报复行为具有预测作用;在预测组织报复行为时,领导公平与信息公平存在交互作用。最后,阐述了研究结果对管理理论与实践的启示。     

基于粗糙集理论-神经网络-蜂群算法集成的客户流失研究

针对电信客户流失问题的复杂性,融合粗糙集理论、神经网络和蜂群算法的优势,提出了一种新的客户流失预测模型——基于粗糙集理论、神经网络和蜂群算法线性集成多分类器的客户流失预测模型。首先利用自组织神经网络(SOM)对连续属性值进行非监督离散化处理;接着使用粗糙集方法(RS)对离散属性进行约简;然后分别使用BP神经网络、RBF神经网络、ELMAN神经网络和广义回归神经网络(GRNN)在约简属性集上建立4个子分类器;最后使用模型集成法对4个子分类器进行线性集成,并采用人工蜂群(ABC)算法优化线性组合的权重。将该模型应用于某电信客户流失,实验结果表明该集成方法是可行且有效的。     

我国企业海外研发活动的地理分布特征及东道国影响因素

本文以截止2012年在美国、日本和东欧15国有海外研发活动的我国1198家企业为对象,首先分析了我国海外研发企业国内及国外地理分布,然后提出各个影响因素,采用一元回归及多元线性回归方法,研究各个因子对我国企业海外研发地理分布的影响程度。     

2000年哈尔滨住宅市场预测

对哈尔滨市住宅市场发展及其影响因素进行了深入的分析,并采用了二元线性回归的模型对哈尔滨住宅市场进行了预测。     

基于模糊支持向量机的上市公司财务困境预测

支持向量机(SVM)已经成功地应用于财务困境预测问题的研究,且已证明优于多元线性判别分析(MDA)、逻辑回归(Logistic regression)和神经网络(NN)等方法.然而,传统SVM使用结构风险最小化的原则,这样可能导致错误分类的经验风险升高,特别是当样本点与最优超平面十分接近的时候,这种误分类的经验风险显著升高.另外,传统SVM还存在过拟合问题,所以对数据集中的外点或噪声十分敏感.因此,采用模糊支持向量机(FSVM)算法来改进上述不足.首先,建立一个适当的成员模型用于对整个数据集的模糊处理;然后通过外点侦察方法(ODM)来发现外点,其中ODM集成了模糊C-均值算法(Fuzzy C-mean algorithm)和无监督神经网络中的自组织映射(SOM).最后,为主体集和外点集中的样本点分配不同的权值.还将FSVM应用于上市公司财务困境预测的实证研究,实证结果表明FSVM与传统SVM相比,FSVM 能较好的解决经验风险升高和过度拟合问题,确实降低了外点的影响并提高了分类器的分类准确率.     

数据流自适应查询系统中预测算法

基于历史数据的未来事件预测在系统管理,自适应查询环境监测和金融分析等领域的重要性日益增加.由于数据流中的数据的存在是暂时性的,因此我们需要创建能够反映数据流中历史数据之间关系的“纲要”,其在预测过程中起着至关重要的作用.在这篇论文中我分析了当前数据流自适应查询预测领域最前沿的3种主要分析纲要(多元线性回归,贝叶斯网络,分类回归树)以及其基本特点,执行步骤和用途.     

基于蚁群算法的成本敏感线性集成多分类器的客户流失研究

针对电信客户流失预测问题的复杂性,融合自组织神经网络良好的连续属性值离散化优势、粗糙集理论出色的属性约简功能和蚁群优化算法全局的随机搜索特点,在模型集成技术和成本敏感学习理论的基础上,提出了一种新的基于蚁群算法的成本敏感线性集成多分类器的电信客户流失预测模型。构建该集成模型可分为4个阶段:(1)连续属性值的离散处理:利用自组织神经网络对连续属性值进行非监督离散化处理;(2)原始属性集的约简处理:使用粗糙集理论按属性重要性原则对离散属性进行约简;(3)子分类器的建立:分别使用NaiveBayes、Logistic回归、多层感知器和决策树等4种差异性很大的分类技术在约简属性集上建立4个对应的客户流失预测子分类器;(4)子分类器的集成:基于成本敏感学习理论,构建了4种不同的线性集成模型,采用蚁群优化算法求解集成模型的最优线性组合权重系数。将该模型应用于某电信客户流失预测,其实验结果表明该集成方法是可行且有效的。     

线性回归在经济中的应用

线性回归分析是当代统计关系学的分支之一,也是用于经济领域开展具体的经济问题预测的应用比较频繁的一种数学方法。实质上就是通过对有关经济数据进行统计,然后研究出不同变量彼此间所存在的线性关系,并以这种关系为参考对经济未来的发展方进行适当的预测。本文从这种统计方法以及经济预测的概念出发,对最常用的一元线性回归在经济领域中的应用进行了探讨。     

基于支持向量机的中国股指期货回归预测研究

本文针对股指期货预测的特点,选择对股指期货指数有重要影响的相关指标,首次提出用支持向量机(SVM)方法对其进行回归预测,并用遗传算法(GA)和粒子群算法(PSO)分别优化四种不同核函数的支持向量机,构建了八种不同的中国股指期货回归预测方案,用实证研究的方法对这八种方案的准确性和时效性进行了比较。实验结果表明粒子群算法优化的线性核函数支持向量机作为中国股指期货回归预测的模型,具有更好的预测效果。     

LMX对员工建言行为的影响分析

本文以266名员工为研究对象,采取多元线性回归分析的统计方法,探讨了领导成员交换（LMX）对员工建言行为的影响。研究发现,LMX对员工的建言行为有显著的正向影响。     

中国矿业类上市公司治理机制与绩效的研究

本文重点剖析了国有企业的治理机制特点,并选择了中国103家矿业类上市公司2008年的数据,采用多元线性回归分析方法,对影响矿业类上市公司绩效的因素进行了实证分析,找出对公司绩效有显著影响的治理因素,帮助中国矿业类公司推进治理机制改革。     

基于增量支持向量回归机的股价预测模型研究

随着越来越多的人加入到股票投资中,有效的股票预测方法就显得尤为重要。本文结合增量学习思想,利用支持向量回归机对上证综合指数的收盘价进行预测,并同神经网络方法进行比较分析。实证研究发现,基于增量支持向量回归机的股价预测模型表现较佳,为股价预测模型研究提供一种新的方法,进而为投资者提供一定的参考信息。     

上市公司绩效与董事会治理的实证分析——基于我国西北地区上市公司

本文介绍了近年来国内外关于董事会治理特征的相关研究成果;采用定性的方法从理论上说明上市公司绩效与董事会治理特征之间的关系;然后采用定量的方法,将董事会治理特征量化为3个指标,收集上市公司3年的统计数据,利用统计软件对其进行分析处理;最后,提出合理的假设,建立多元线性回归模型,并利用采集的数据样本对假设和模型进行了实证检验.     

基于BP神经网络的上市公司CEO报酬实证研究

近年来的研究表明,CEO报酬不仅受公司业绩的影响,还受到其他诸多因素的影响,而且,CEO报酬与其决定因素之间往往存在着非线性关系。本文以2003-2005年沪深股市的A股上市公司为样本,采用BP神经网络对CEO总报酬、CEO年薪、CEO持股价值及其决定因素分别进行训练和学习,结果表明:(1)网络训练输出值与实际值的拟合度分别达到91.09%、97.23%和78.44%;(2)网络的预测能力相对于传统的线性回归模型分别提高了92.72%、92.08%和53.89%。因此,本文认为在分析和确定CEO报酬水平时引入神经网络模型是可行的。     

MATLAB与SPSS进行多元回归分析的区别

MATLAB与SPSS这两种软件都能够进行线性回归的分析。本文通过举例，简要分析了这两种软件在多元线性回归分析中的原理和步骤，解释了其区别所在，并且根据这种区别提出了这两种软件分别适合应用于哪些背景题设。最后特别对MATLAB软件提出了改进意见。     

基于物价水平变化的统计学分析

本文采用河南省统计年鉴数据,通过利用相关分析对各个物价水平指标进行了相关分析;然后利用因子分析,探寻反映总体物价水平的公共因子,并利用综合得分判别各个时期内物价水平的整体水平;最后利用各种经济指标对物价总水平进行多元线性回归,利用逐步回归方法得到他们之间的函数关系,以此反映各种经济指标的变动对物价总水平的影响效果。