非线性数据拟合的递推法及程序实现

文章对非线性回归模型的参数估计递推方法进行了介绍,给出了它们在非线性模型参数估计中的MATLAB实现.通过计算机仿真说明参数估计递推方法与传统数据拟合的方法相比,具有更好的拟合效果.     

含有协变量的复发事件变点模型的参数估计

针对复发事件数据协变量的重要作用,建立含有协变量的复发事件变点模型,考虑协变量作用于强度率函数的情形。对于此模型,使用最大似然方法得到变点及各参数估计,并得到了变点估计的相合性。最后对于同时存在待估参数和待估变点的似然函数,采用最速上升法进行了数据模拟。     

基于遗漏变量视角的分类方法改进及应用

在遗漏重要自变量时,传统logistic模型的最大似然估计值通常情况下是有偏估计,但自变量的分布情况会影响参数估计的有偏程度。通过传统logistic模型的输出概率的区间划分来进行数据分组,得到了改进的门限随机效应logistic模型,通过Monte Carlo数值模拟发现,给出的数据分组方法可以有效地把受遗漏重要自变量影响大小不同的数据分离开,相对于传统logistic模型和随机效应logistic模型,门限随机效应logistic模型具有更高的分类准确性,并且该模型在清洗数据和分组决策方面有着很好的应用。     

基于数据拟合的非线性方法及Matlab解决方案

基于数据拟合思想及其方法的比较与选择在数量经济模型参数估计问题的研究过程中具有十分重要的意义.文章给出了Bass模型和品牌生命周期模型的参数估计具体的估计过程,并依据可绝系数和残差平方和分析及实例,证实了非线性最小二乘优于普通最小二乘;在分析Matlab中lsqcurvefit函数数据拟合Gauss-Newton和Levenberg-Marquart算法原理的基础上,给出了品牌生命周期模型的Matlab非线性参数估计解决方案及最优化方法.     

改进的最小二乘估计确定高精度参数模型

本文将2006年研究生数学建模竞赛进一步讨论,对于观测数据不准确的情况,先将模型转化为差分形式,用最小二乘估计方法对参数进行估计,当设计矩阵呈病态时,最小二乘估计变的不是很精确。为了提高参数估计的精确度,笔者提出了一种改进方法,对迭代矩阵进行Jacobi迭代预处理,再用最小二乘法进行求解,仿真结果表明预处理后的参数估计更为准确。     

基于粗糙性惩罚的变系数纵向数据模型的参数估计

对纵向数据变系数模型参数估计问题,文章采用构建惩罚似然函数的方法优化选择估计量,并采用三次样条作为惩罚项来控制其光滑性,通过选择合适的光滑参数优化变系数的估计量;然后讨论估计量的数字特征,并通过计算模拟验证结论。     

非线性半参数空间变系数模型的两步估计

文章对非线性函数与空间变系数模型组合的半参数模型进行研究,提出该类模型的两步估计,给出半参数模型中非线性函数和空间变系数参数估计的精确表达式.并进行了数值模拟,结果表明,估计值与真实值拟合程度较好,方法的精确度较高.     

Panel Data模型及其在居民消费结构研究中的应用

针对扩展线性支出系统的不足,构建了Panel Data模型用于山东省城镇居民消费结构问题的探讨.文中阐述了个体时期确定效应常系数和变系统的Panel Data模型,给出了模型识别的依据和参数估计方法.     

关于分层线性模型样本容量问题的研究

文章运用lackknife和Bootstrap的方法,对参数估计的方差进行改进,构造了合适的参数估计的置信区间.通过样本组数和组内个体数的变化,利用数据模拟的方法进行研究,表明参数估计的可靠性很大程度上依赖于组数;对于固定效应参数,组数取30就可以得到可靠的估计值.对于σ和方差协方差成分T,组数分别取50和70才能得到可靠的估计.     

基于Bayes统计推断的极值风险测度模型

极值分布的参数估计是计算极值风险的关键。文章运用Bayes方法,研究了极值分布的参数估计问题,得到了极值数据的后验分布。作为一个应用,对某水文观测站的年最高水位数据进行了分析,并用极大似然估计和Bayes估计得到极值风险的测量值,解读两者之间差别。研究结果表明,Bayes参数估计方法更有效。     

两种不同数据类型下基尼系数与广义熵指数的求解

文章将重点介绍了微观数据与分组数据两种不同数据类型下,基尼系数与广义熵指数的计算方法.首先介绍了微观数据与分组数据的定义;接着介绍了微观数据类型下基尼系数与广义熵指数的求解;最后介绍了分组数据下基尼系数与广义熵指数的求解.     

随机样本中正态均值的灰色区间估计研究

利用随机样本信息对参数估计是数理统计学的基本内容,但面对模糊或灰色数据如何更好地进行参数估计.在Neyman的正态分布均值的置信区间理论基础上,借助于灰色系统分析的方法,研究了在随机信息下的灰色区间估计问题,能比点估计或Neyman的置信区间更好地提供有效信息.并进行实例应用.     

损失模拟模型的模拟与检验

为帮助精算师在不同的数据环境下选择最优的准备金评估方法,美国非寿险精算师协会组织开发了一个产生模拟索赔数据的开源软件系统——损失模拟模型,然而损失模拟模型是否能够按指定参数要求产生模拟数据需要进行检验.文章采用不同的参数估计方法和拟合优度检验方法对模拟索赔次数的分布、索赔额的趋势以及不同险种索赔次数之间的相关结构进行了统计检验,结果表明损失模拟模型对索赔次数的分布、索赔额的趋势能够产生一致的模拟,而对索赔次数数据之间相关结构的模拟存在不稳定性.     

一种车险先验风险分布的参数估计方法

采用全体车险保单组合的风险损失数据(即先验信息)作为定价的信度补充,是车险精算定价的主流方法;而得到风险损失的先验分布或特征信息是经验费率定价的基础.文章引入过程和结构方差分析方法对车险索赔过程的先验分布参数进行估计;并提出了针对索赔频率和索赔额模型的参数估计方法.该方法能快速近似估计多参数分布模型,优于传统参数估计方法.     

带右删失数据的非线性模型的参数估计

介绍带右删失数据非线性模型,研究了带右删失数据非线性模型的参数估计及其算法.     

带线性约束的多元线性回归模型参数估计

本文首先构造线性约束条件下的多元线性回归模型的样本似然函数,利用Lagrange法证明其合理性。其次,从似然函数的角度讨论线性约束条件对模型参数的影响,对由传统理论得出的参数估计作出贝叶斯与经验贝叶斯的改进。做贝叶斯改进时,将矩阵正态-Wishart分布作为模型参数和精度阵的联合共轭先验分布,结合构造的似然函数得出参数的后验分布,计算出参数的贝叶斯估计;做经验贝叶斯改进时,将样本分组,从方差的角度讨论由子样得出的参数估计对总样本的参数估计的影响,计算出经验贝叶斯估计。最后,利用Matlab软件生成的随机矩阵做模拟。结果表明,这两种改进后的参数估计均较由传统理论得出的参数估计更精确,拟合结果的误差比更小,可信度更高,在大数据的情况下,这种计算方法的速度更快。     

动态面板模型参数估计方法的比较研究

本文借助于蒙特卡洛模拟方法,在综合比较了主流动态面板模型参数估计方法优劣的同时,分析了动态面板模型参数估计有效性检验统计量的检验功效.结论表明:广泛应用的差分和系统GMM的参数估计方法,在小样本情况下,存在明显的参数估计偏差,相应的参数检验功效也存在扭曲,固定效应方差比越大这一偏差越明显,偏差修正和极大似然的动态面板模型参数估计方法参数估计的有效性越高.当动态面板模型的被解释变量为截断变量时,差分和系统GMM的参数估计偏差更为明显,而转换的Tobit模型则能够提供稳健的参数估计.固定效应方差比越大,弱工具变量检验的LM和CLR功效越稳健.本文最后将不同的动态面板模型估计方法,应用于劳动力迁移引致的区域工资差距问题的研究,进一步验证了蒙特卡洛模拟研究结论的稳健性.     

基于倾向值加权的网络调查总体参数Horvitz-Thompson估计

基于倾向值加权方法,构造了网络调查总体参数的Horvitz-Thompson无偏估计量,并对其方差进行了讨论,分析了利用插补缺失数据后的网络调查样本进行总体参数估计的方差来源,在网络调查总体参数估计方面提出了新的思路和方法。     

区间数据下参数估计的条件期望方法

文章面向工程需求讨论了常见寿命分布下区间数据参数估计的条件期望方法.该方法以条件期望替代样本真实故障时间,利用最小二乘估计并以数值迭代的方式求得参数的点估计值,同时给出了参数置信区间.经数值例验证,这种方法可以有效地控制估计误差.     

缺失数据下随机系数自回归模型的参数估计

随机系数自回归模型能够较好地描述模型系数随时间变化的特性,因此得到了广泛应用。文章讨论具有缺失数据的随机系数自回归模型的参数估计问题,在缺失数据情形下给出了四种模型参数估计方法:无数据填充条件最小二乘法、均值填充法、条件均值填充法以及桥填充法。最后,通过随机模拟说明了上述估计方法的精确性,并给出了应用实例。