顾客满意指数模型的最佳迭代初值问题

美国Claes Fornel、Michael D.Johnson等教授建立了顾客满意指数模型,运用路径分析的偏最小二乘方法求解.右图是一个在中国企业界广泛使用的具体模型,它含有6个结构(隐含)变量(()、η1～η6),11个关系(自变量作用的关系为γ1～γ4,虚线表示;因变量作用的关系为βii实线表示),24个观测变量(由顾客回答的问题).     

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。     

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。     

单病种成本影响因素的PLS结构方程模型

为研究单病种成本影响因素间的因果路径关系,文章构建了基于偏最小二乘方法的单病种成本影响因素结构方程模型(SEM),以急性阑尾炎病种为例,进行实证分析.在对指标体系进行信度和效度检验基础上,验证了成本影响因素相互间的结构关系.     

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.     

熵损失函数下广义线性混合模型协方差矩阵谱的分解估计

文章在熵损失函数下,通过计算得到了广义线性混合模型协方差矩阵谱分解估计的风险函数;研究了广义线性混合模型协方差的谱分解估计在一定估计类中的优良性;最终证明了在熵损失函数下,由最小二乘理论得到的无偏估计优于其他两个有偏估计。     

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.     

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。     

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.     

固定效应部分线性变系数面板模型的快速有效估计

本文将最小二乘支持向量机(LSSVM) 和二次推断函数法(QIF) 相结合，为个体内具有相关结构的固定效应部分线性变系数面板模型提供了一种新的快速估计方法；在一定的正则条件下，论证了参数估计量的渐近正态性和非参数估计量的收敛速度；采用Monte Carlo模拟考察了估计方法在有限样本下的表现并将估计技术应用于现实数据分析。该方法不仅保证了估计的有效性和统计推断力，而且程序运行速度得到较大幅度提升。     

再议普通最小二乘法下回归系数的性质

文章从个体的角度探讨最小二乘法下的估计系数的形成过程,得出一元回归中的回归系数是各个数据点上的回归系数以Epanechnikov核函数进行加权形式的。并在此基础上,推广到多元线性回归,多元线性回归的估计系数本质上为一种参数结构,它是以自变量的协方差矩阵为联系纽带,将回归系数分解为偏回归系数,将两个系数结合起来澄清目前计量经济学和统计学的一些问题。     

结合WLS具有EGARCH误差项时序的ADF检验

文章在有限样本条件下,通过加权最小二乘法和普通最小二乘法随机模拟了误差项为EGAKCH-norm和EGARCH-t时序的ADF检验,发现用加权最小二乘法(WLS)比普通最小二乘法(OLS)得到检验统计量的临界值更加稳健,用t(ρ)统计量要比用t(ρ)统计量更有效.     

常用统计软件关于岭回归计算原理的比较分析

一、引言 对于多元线性回归模型Y=Xβ+ε,其中Y为因变量的观测向量,维度为n×1,X是自变量的观测矩阵,其维度为n×(p+1),β是p+1维的系数向量,ε是n维随机向量且εi～ N(0,σ28).根据Gauss-Markov定理,参数β的最小二乘估计量β=(X'X)-1X'Y是最优线性无偏估计(BLUE).当自变量之间存在高度的共线性,则最小二乘估计的结果尽管在理论上有较好的性质,但在实际应用中,参数估计值可能会极不稳定,易导致参数估计值缺乏合理含义. 针对多重共线性对模型估计所带来的这些影响,Hoerl (1962)和Hoerl & Kennard(1970)分别提出和发展了一种改进普通最小二乘估计的方法,也就是现在大家所熟知的岭回归(Ridge Regression).     

纵向数据下半参数回归模型估计的渐近性质

文章考虑纵向数据下半参数回归模型Yij=XTijβ g(Tij) εij,利用Profile加权最小二乘法和局部线性拟合方法建立了模型中参数分量β和非参数分量g(·)的估计量。在适当的条件下,给出了估计量的渐近性质。     

线性化最小二乘法的理论分析

在处理非线性回归中的可线性化回归问题时,最小二乘法给了我们很大的方便.但是人们在享有其优点的同时,忽视了其结果准确性问题.文章从理论上给出了线性最小二乘法结果准确性的证明并提出了解决方法.     

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。     

从“三化”同步看江苏农村居民收入倍增计划可行性

本文立足江苏工业化、现代化、城镇化“三化”同步实践进程,在测算农村居民收入与宏观指标之间的关联性和匹配性的基础上,运用偏最小二乘法建立模型估算影响农村居民增收各项因素的贡献程度,再通过灰色模型与偏最小二乘模型的耦合预测2017年江苏农村居民纯收入,探求在现行经济环境和分配机制条件下实现农民收入倍增的可能性,提出实现倍增的主要着力方向.     

病态加权最小二乘混合模型的k-Liu估计解法

文章综合加权多源观测模型及最小二乘混合模型,组合两种有偏估计算法得到组合有偏估计算法。利用岭估计与Liu估计形成一种新的有偏估计——k-Liu估计,其可以抵抗法方程系数矩阵的病态性,同时可以有效降低参数估值的均方误差。通过构建目标函数导出k-Liu估计在病态最小二乘混合模型中参数的通用解式、均方误差式和协因数的计算式,推导出k-Liu估计中修正因子的计算式,通过广义交叉检核法确定岭参数。最后,通过多种估计法参与算例解算,得出k-Liu估计可以进一步提升混合最小二乘模型的解算精度。     

加权最小二乘法残差图问题探讨——与何晓群教授商榷

一、问题的提出残差图在回归分析中有着重要作用,其用途可以归纳为两个方面:一是检验线性回归模型中与随机误差项有关的假定(同方差与不自相关)是否成立;二是当这些基本假定违背时,验证对模型参数估计的修正方法是否有效。如果残差图不能发挥其中的任一作用,那就没有任何意义。何晓群在讲授用加权最小二乘法消除异方差问题时给出了一张加权最小二乘估计的残差图(见《应用回归分析》第102页。何晓群,刘文卿编著.2001年6月由中国人民大学出版社出版),在我看来,这张图既不能用来检验原始数据是否存在异方差问题,又不能验证加权最小二乘法在消除…