基于一元线性回归模型异方差对加权最小二乘法的考察

作为普通最小二乘法的改进,加权最小二乘法用于存在异方差问题的线性回归模型的参数估计。文章通过对加权最小二乘估计量、加权最小二乘变换的分析,并结合实际例证研究发现,加权最小二乘法在应用中存在一些不足之处,因而当发现模型存在异方差时使用加权最小二乘法是存在风险的。     

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.     

普通最小二乘法的几何分析

普通最小二乘估计法是在目标函数残差平方和的达到最小的条件下求得参数估计量,从向量的角度来说,普通最小二乘法将被解释变量分解成了相互正交的两部分,通过空间向量理论和几何分析方法,可以在欧氏空间内对普通最小二乘估计量进行求解,这种分析过程使普通最小二乘法变得更直观。     

基于偏最小二乘方法的信用评分模型

为了克服信用评分模型中自变量存在多重共线性的问题,文章引入了偏最小二乘思想,即采用限制预测值的偏最小二乘回归和偏最小二乘Logistic回归来创建信用评分模型。偏最小二乘法可以同时解释因变量和自变量的变异,在实际运用中更加符合信用评分模型的特点。实证研究的结果表明,利用这两种偏最小二乘模型创建的信用评分模型具有很好的准确性和稳定性。     

经典最小二乘与全最小二乘法及其参数估计

文章对经典的最小二乘和全最小二乘方法的应用背景、原理与算法进行了介绍,给出了它们在线性模型参数估计中的MATLAB实现;通过计算机仿真说明了在模型中所有变量均具有不可忽略的误差时,全最小二乘法得到的参数估计更接近于真实参数.     

含有时间幂次项的新GM模型建模参数特性研究

为提升灰色预测模型的精度,在GM(1,1)模型相关研究成果基础上构建了一种含有时间幂次项的灰色预测模型,讨论了该模型参数在系统特征序列经数乘变换前后的量化关系及数乘变换对该模型建模精度的影响程度.研究结果表明:新模型的建模精度与系统特征序列的数乘变换无关.研究结论认为,利用数乘变换可在不改变建模精度前提下简化新模型的建模过程,提高其建模效率.     

非线性回归模型参数估计方法研究——以C-D生产函数为例

通过理论分析和蒙特卡罗模拟,对C-D生产函数模型参数的估计方法进行比较研究的结果表明：当误差项满足经典假设时,非线性最小二乘估计量具有与线性最小二乘估计类似的、近似BLUE的特性,且当误差项存在异方差时,用加权非线性最小二乘法也能大大改善估计量的性质。     

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。     

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.     

灰色GM（1，1）模型中参数估计的几种方法比较

文章介绍了灰色GM（1,1）模型中参数估计的最小二乘准则、全最小二乘准则、最小一乘准则和折扣最小一乘准则,并指出了它们的优缺点。将这四种方法分别用于递增序列、递减序列、振荡序列的灰色GM（1,1）模型参数估计中,并通过优化软件LINGO计算出相应的参数。最后,对建立的灰色GM（1,1）模型的精度进行了比较,结果显示：最小一乘准则和折扣最小一乘准则模型参数估计明显优于最小二乘准则、全最小二乘准则模型参数估计。     

结构方程模型构建方法比较

线性结构关系(Linear Structural Relationships)和偏最小二乘(Partial Least Square)路径分析是构建结构方程模型主要的两类技术。本文在阐述线性结构关系和偏最小二乘算法的基础上,比较分析了它们的差异,给出了各自的适用条件,指出了偏最小二乘路径分析技术的特点及其在社会科学领域逐渐受到重视的原因。     

半参数模型中两步估计与最小二乘估计的比较

文章在MSE准则下对半参数模型中的参数的两步估计和最小二乘估计进行了比较,给出了参数的两步估计优于最小二乘估计的充分条件。     

协整平滑转移回归中的线性检验 ——基于完全修正最小二乘法的扩展

 在解释变量内生条件下,Choi,Saikkonen(2004)使用动态最小二乘法估计协整平滑转移回归模型,并基于动态最小二乘的估计结果构造 统计量检验协整向量的非线性。本文系统解析了 的构造并指出其不足,针对这一不足,本文将动态最小二乘法扩展为完全修正的最小二乘法,并进而基于完全修正的最小二乘法估计结果构造 统计量检验协整向量的非线性。本文的仿真试验表明,在有限样本下, 与 的检验势没有显著差异,但 的水平扭曲小于 。     

基于SA和Bootstrap的LS-SVM参数优选及应用

文章针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用模拟退火算法(SA)优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明.该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

光滑正交最小一乘估计算法的比较

文章首先对线性EV模型与正交最小一乘估计进行了简要介绍.对正交距离的绝对值作了一个近似处理,使得原先不可导的目标函数为一个光滑可导的函数,从而极大地方便了求解.并且通过与正交最小二乘估计、正交最小-乘估计及其算法比较,分析了这种光滑正交最小-乘的合理性和有用性.     

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。     

基于双重筛选的多因变量偏最小二乘逐步回归方法

偏最小二乘回归分析中的一个重要问题是变量选择,文章的主要目的是给出一种改进的多元数据分析方法-基于双重筛选的多因变量偏最小二乘逐步回归方法。双重筛选方法既能按自变量对因变量的关系进行分组,又能使每个自变量对各组因变量的作用反映出来。因此基于双重筛选的多因变量偏最小二乘回归方法能很好地处理这类问题,并得到好的结果。     

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.     

具有线性趋势的残差自回归模型的估计方法

为了探寻具有线性趋势的残差自回归模型的较为合适的估计方法,文章以残差AR(2)模型为例,对直接最小二乘法、两步法、非线性最小二乘法和化归法进行了Monte Carlo模拟,拟合和预测结果显示非线性最小二乘法和化归法的均方误差和平均绝对误差相同且最小.此外,还利用1980-2013年河南省人均GDP经济数据进行了拟合与预测实证分析,得到了与模拟比较相类似的结果,这说明非线性最小二乘法和化归法是较优的估计方法.进一步地,基于非线性最小二乘法,给出了河南省人均GDP的短期预测.     

结构化凯恩斯乘数方法的辨析与应用

凯恩斯乘数作为一种总量分析工具,无法反映不同收入水平下消费倾向的结构性差异,及收入分配改变对乘数效应的影响;投入产出分析方法在结构分析中有其特长。把这两者结合成为结构化凯恩斯乘数的一条重要路径。文章通过对各种方法性质的辨析,为正确理解经验结果的真实含义提供条件。在此基础上利用中国投入产出数据对结构化凯恩斯乘数进行了计算,并分析了收入分配对乘数效应的影响。