多元非线性回归预测模型的一种建立方法

多元非线性回归预测模型的一种建立方法扬州大学税务学院程毛林在经济预测中，常用多元回归模型反映预报量与各因素之间的依赖关系，其中线性回归分析有着广泛的应用。但客观事物之间并不一定呈线性关系，在有些情况下，非线性回归模型更为合适，只是建立起来较为困难。这...     

多元非线性经济预测模型的建立方法

在经济预测中,常用多元回归模型反映预报量与各因素之间的依赖关系,其中线性回归分析有着广泛的应用.但客观事物之间并不一定呈线性关系,这时建立的线性回归模型往往拟合效果不好或有不合理的经济解释.建立非线性回归模型可能更为合适,只是建立起来较为困难.本文给出建立多元非线性回归预测模型的两种方法.     

基于GMDH的小样本数据预测模型

对于样本数据少的情况,文章中利用SPSS曲线估计的方法选取三次曲线和二次曲线两种模型进行预测,同时用GMDH自回归模型进行分步预测,最后利用GMDH组合模型将三种模型进行组合预测。预测结果表明:GMDH自回归模型对于小样本数据的预测结果优于其他模型,效果更好、更稳定。     

回归分析预测认识中的一个误区

一元线性回归模型是统计学中对数据进行预测的一种重要方法。应用时,在对数据进行线性回归后还要做F检验。F检验的目的是判别解释变量与因变量之间有无线性相关关系。普遍认为做F检验时,F的值越大,用此模型进行预测得到的结果就越可信。国民生产总值GDP是一个重要的经济指标,人们经常通过GDP来分析经济运行情况,因此人们经常会对GDP的增长率作出预测。本文分别运用三种线性回归模型对GDP数据进行回归分析,并预测GDP的增长率。证明了当回归模型的F值最大时,预测的效果不一定最好。选择线性回归模型进行预测,还要结合实际情况。     

非线性参数异质Phillips曲线模型及应用

基于分位数回归理论与非线性回归方法,提出一个包容性较强的模型：非线性参数异质Phillips曲线模型,并给出其估计、检验与条件密度预测方法。该模型不仅可用于刻画Phillips曲线的非线性与非对称等典型特征,而且还可以揭示在不同经济环境下通货膨胀的完整分布变动规律,从而能够准确掌握通货膨胀的不确定性,便于科学决策。最后,将该模型应用于中国Phillips曲线特征研究,结果显示：该模型在拟合优度、结构分析、预测能力等方面优于其他Phillips曲线模型。     

基于粗糙集理论与支持向量回归的预测模型

文章将粗糙集与支持向量回归有机结合起来,建立了一种基于粗糙集数据预处理的支持向量回归模型,有效地克服了支持向量回归对样本属性重要性不加区分以及处理大量数据时运算速度慢等缺陷,并将该模型成功地应用到我国粮食产量的预测中,取得了较好的预测效果。     

基于半参数混频误差修正模型的中国CPI预测研究

考虑宏观经济变量具有明显的非线性特征,将非线性误差修正项引入存在协整关系的非平稳混频数据抽样（MIDAS）模型中,构建半参数混频数据抽样误差修正（SEMI-ECM-MIDAS）模型。使用广义似然比（GLR）检验,拓展了混频数据下模型函数形式的一致性检验问题。模拟结果表明SEMI-ECM-MIDAS模型对存在非线性误差修正机制的数据具有显著的预测优势。最后使用该模型研究中国股票市场周度数据、广义货币发行量月度数据和国际原油市场月度数据对中国CPI的短期预测效果。基于AIC准则,对包含半参数模型在内的4种混频数据抽样模型和2种同频模型的连续预测效果进行了全面的比较。研究结果发现：GLR检验表明误差修正项具有明显的非线性特征且在回归中具有显著的反向修正机制,无论采用递归样本、滚动样本还是固定样本,本文提出的SEMI-ECM-MIDAS模型在进行连续预测时均具有最优的预测精度,且预测结果不受混频动态协整关系选择的影响。     

基于贝叶斯支持向量回归机的稳健参数设计

稳健参数设计是一种质量改进的重要技术，能够从产品生产的源头上减少和控制波动的产生。双响应曲面法是其常用的方法，主要是利用低阶多项式模型来拟合均值和方差响应，但当样本较复杂（如为非线性或者高维样本）时，低阶多项式模型的拟合性能往往较差，求解优化问题效果不佳。支持向量回归机对非线性数据有良好的拟合潜力，但其性能依赖于参数的合理设置，文章将贝叶斯优化应用于支持向量回归机的参数选择，并将优化后的模型应用于稳健参数设计中响应曲面模型的构建，提出一种基于贝叶斯支持向量回归机的稳健参数设计方法。试验结果表明，所提方法和其他常见优化方法相比，可以获得更精确的响应曲面，可以在实际应用中近似得到可靠的最优因子搭配水平。     

基于逐步惩罚的动态多元线性回归预测模型

在采用回归方法进行数据预测时,对呈近似线性关系的因变量和自变量,并非要寻找到其对应的精确的非线性函数,而可在对数据进行修正后继续使用线性回归模型。文章讨论了一种引入惩罚因子的动态回归模型,该方法在传统的多元线性回归模型的基础上,在进行逐步回归的同时,通过不断调整因变量来实现实时更改其变化趋势以达到最佳预测结果的目的。该方法在对上海市历年外国游客人数进行分析和预测时得到了较理想的结果。     

应用最小二乘法预测出院人次

统计预测法(Statistical Forecast Method)是根据过去的情况和资料建立数学模型并由此对未来趋势作出预测的一种非主观方法。应根据预测资料的质和量来选择不同的预测方法,如预测资料零散不全或无法搜集,很难通过精确计算来得出结论,在此情况下,一般可选用定性分析的方法,如所掌握的资料全面且可信度高,那么就可以选用精确计量方法进行预测,如果指标的变化呈水平性,则采用简单平均数就可以了。常用的统计预测法有比例趋势分析法、经济计量模型法、一元线性回归预测、多元线性回归预测、非线性回归预测等。统计预测是现代管理经常使用的一种方法,现代医院管理中也常采用统     

非线性回归模型校正及应用

一、非线性回归校正模型非线性回归模型具有直观性强、计算简单、可检验等优点。但是,在实际应用中,对某一问题用多种曲线拟合往往都不能得到满意的效果,这主要是由于系统本身出现了一系列的转折性变化,例如受自然灾害、政策、价格等因素的影响。所谓转折性变化,是指在某一时点(称转折点)的前部曲线和后部曲线变化趋势不一致。为弥补这一不足,本文提出了非线性回归校正模型。其方法和步骤如下:第一步:将原始时序样本集S={y~0(1),y_0(2),…,y_0(n)}按时间顺序依次划分成互不相交的二个子集:     

区域出口贸易非线性混合预测模型及其实证

混合预测模型由于能够反映事物变化的线性和非线性特征,而在预测领域得到了广泛的应用。本文针对区域出口贸易的特点建立了一种基于BP神经网络和误差校正向量自回归模型的的非线性混合预测模型,应用于区域出口贸易预测,得到了较好的预测效果。由于该模型能够反映经济系统中各变量的长期均衡关系,同时非线性的协整变量能够反映出经济系统其他变量的短期波动对预测变量的影响,因此该模型适合于经济变量的预测。     

AID法在回归分析中的应用

一、问题的提出回归预测的一个基本前题，是样本期数据比较均匀地分布在一条曲线周围，如果有些偏离回归曲线的“特异值”，并不是由随机因素的影响造成的，此时，很可能产生较大的误差，而多元统计的聚类分析中有许多适用于此情况的预测方法，其中AID法就是一种较为简便易行的方法。二、AJD预测法AID方法的基本思想是依据最优分割的原则，对有序样本进行合理分类，使划分后的各类离差平方和达到极小。然后再根据预测值所属的类进行预测。AID方法的关键是如何分类，为方便起见设样本期有n牟观察值为lx，y；，i－1，2…，n卜x，v；均为…     

2005年中国税收收入预测模型比较

为探索一种较为有效的工具来提高税收收入预测精度，利用1985-2004年的样本数据，建立了五个模型来预测中国2005年的税收收入。结果表明：ARMA（1，1）模型中，以GDP为外生变量的自回归模型、以政策因素为虚拟外生变量的自回归模型以及对数线性移动平均模型都是预测税收收入的有效模型，但以GDP为外生变量的自回归模型在预测2005年税收收入时，预测值与实际值的预测偏差仅有1．23％，此模型在预测税收收入时预测精度最高，是预测税收收入的一种较为有效的工具。     

系统安全数据预测方法综述

据不完全统计,现有的各类预测方法达300种之多,而通常用于系统安全数据预测的方法主要有回归分析法、德尔菲法、趋势外推法、马尔可夫预测、齐次泊松过程模型、指数平滑线、残差辩识法、模型法和灰色预测法等。这些预测方法可分成3类:前5种是统计型的;指数平滑与残差辩识属递推型;灰色预测与模型法则属于连续型。现就这几种预测方法作一简要评述。一、统计型的预测方法1、回归分析法这是一种传统的分析、预测方法,长期以来作为一种经典方法而广泛应用,且种类较多。在系统安全数据的预测上,目前运用较多的为单元线性回归和单元指数回归。由于…     

内蒙古生产总值与主要经济指标预测区间分析

研究国内生产总值(即 GDP，下同)与主要经济统计指标的预测区间，需要从大量的数据中寻找数据变化趋势及指标之间的相关性，建立数学预测模型，并以模型来预测各项指标在以后年份的数值。通常人们使用的是回归分析和相关分析方法，经过多年实践，这两种方法技术已臻成熟，在许多领域的研究应用上均有显著的成果。本文采用回归     

基于机器学习融合算法的网络购买行为预测研究

选择适合的机器学习算法是在社会经济研究领域进行大数据分析及提高预测效果的关键。在很多情况下,通过融合训练两种或两种以上有差异的算法,能够显著提高算法的泛化能力以提高预测效果。基于阿里巴巴电子商务平台购物行为数据,分别应用Logistic回归、支持向量机以及这两种算法的融合构建了预测模型。实证结果表明,融合后模型比单一模型具备更好的预测效果。     

大数据风控有效吗?——基于统计评分卡与机器学习模型的对比分析

随着金融科技的巨大进步,机器学习在金融风控领域的应用也逐渐深化起来。信用评分卡模型作为一种应用最为广泛的风险评估模型,在大数据时代存在着不能对高维、复杂、非线性的个人征信数据进行全面分析的局限性。从中国的互联网金融发展的实际情况出发,提出一种基于XGBoost机器学习算法的互联网金融风控模型,并与传统的统计评分卡模型进行了对比试验,同时给出了将机器学习模型预测结果转化为传统信用评分的解决方法。研究结果表明,机器学习模型能更好地预测个人信用风险,从而构建更加有效的风控体系。     

基于GM(1,1)—逐步回归模型的用水量预测

为了对城市的用水量有个更精确的预测,文章将逐步回归模型与灰色预测模型相结合,提出了一种基于灰色预测——逐步回归的总用水量预测模型.该模型以逐步回归方法为基础,利用灰色相关性分析方法对观测数据进行处理,进而对预测模型的因变量进行筛选,并将灰色理论引入到回归模型分析中,对预测模型进行改进.通过实例分析可知:所提出的耦合模型与单一预测模型相比,在一定程度上改善了预测效果,达到了简化模型、提高拟合精度和增强模型预测能力的目的.     

基于等维新息递补GM(1,1)幂模型的GDP预测

针对灰色模型在GDP预测中精度较低的问题,文章提出一种基于等维新息递补GM(1,1)幂模型的预测方法.为反映数据的非线性特征,在GM(1,1)模型的基础上引进拓展的非线性GM(1,1)幂模型;进一步利用最新信息优先的原则,建立等维新息递补灰色幂模型.将改进的模型应用到我国“十三五”时期GDP的预测中,验证了此模型在拟合和预测上的优势.