函数性线性回归模型分析方法及其应用

研究了自变量为函数性数据、响应变量为标量的函数性线性模型在Tecator Data数据集上的应用。分别利用低阶基函数的线性组合、带粗糙惩罚的高阶基函数的线性组合以及函数性主成分分析法得到函数性线性模型中回归函数的估计。结果表明:这3种方法都能较好地估计出回归函数,而其中函数性主成分分析法表现最优。

基于机器学习在空气质量指数中的应用

利用机器学习和多元线性回归模型对西安市近一年的空气质量指数进行了研究,首先利用随机森林思想对数据进行了补齐,然后运用交叉验证对神经网络模型选取最优的隐层节点数和训练周期数,最后,通过比较两种模型的拟合效果发现,神经网络模型在对空气质量指数的预测效果明显好于多元线性回归模型。

核实数据下非线性模型的序列相关性检验

研究了核实数据下非线性模型的序列相关检验问题,并运用经验似然的方法构造了检验统计量,证明了该检验统计量在零假设下的渐近分布。数值模拟结果显示:提出的检验效果比较理想。

Richards模型与Logistic模型在人口预测中的比较

Logistic模型是常用的人口预测模型,在Logistic模型的基础上再添加一个参数,得到一个含有4个参数的非线性s型增长模型,即Richards模型;分别通过Logistic模型和Richards模型对1985—2014年的中国人口进行了预测,建立了人口预测模型;通过与实际人口相比,结果表明,Richards模型比Logistic模型拟合效果更好。

经管类研究生学位论文质量问题原因探析

文章从研究生角度、导师角度和制度角度对经管类研究生学位论文质量问题原因进行剖析,结果表明,学位论文的质量与导师的责任意识、学识和研究能力有着直接的关系,研究生对学科前沿认识不足,运用实证模型和数据收集能力较弱,逻辑分析能力和文学修养不足;高校课程设置不合理,科研项目激励不足,学术交流活动安排较少,对论文质量的监管力度不足也都对论文质量产生重要影响.

Huber损失下线性模型的序列相关检验

金融数据分析中经常发现数据具有厚尾或非对称特征,这给模型相关性检验带来了许多困扰。针对厚尾和非对称分布的序列相关性检验问题,结合秩相关系数和Huber损失,提出了HubT、CCT检验统计量,并在原假设下得到了检验统计量的渐近分布。通过数值模拟说明新构建的统计量能在厚尾和非对称分布的序列中有良好的表现。

响应变量缺失下部分线性单指标模型的序列相关性检验

研究了在响应变量随机缺失下的部分单指标模型的序列相关检验问题。首先采用借补的方法对缺失响应变量进行处理,再运用经验似然方法对残差部分进行序列相关性检验,构造了经验似然比统计量,并证得其为渐近分布。数值模拟结果表明:该检验方法具有较为理想的检验功效。

部分函数型线性变系数模型的序列相关检验

部分函数型线性变系数模型(PFLVCM)是近几年出现的一个比较灵活、应用广泛的新模型。在实际应用中,搜集到的经济和金融数据往往存在序列相关性。如果不考虑数据间的相关性直接对其进行建模,会影响模型中参数估计的精度和有效性。本文主要研究了PFLVCM中误差的序列相关性的检验问题,基于经验似然,把标量时间序列数据相关性检验的方法拓展到函数型数据中,提出了经验对数似然比检验统计量,并在零假设下得到了检验统计量的近似分布。通过蒙特卡洛数值模拟说明该统计量在有限样本下有良好的水平和功效。最后,把该方法用于检验美国商业用电消费数据是否有序列相关性,证明该统计量的有效性和实用性。

如何巧借阅读让低年级学生爱上习作

阅读是写作的基础,学生是在阅读中学习写作的,读写结合,是语文教学的重要内容之一。但爱读不等于就一定会写,许多同学书读的不少,可偏偏还是不愿动笔写,或不知道怎样写,阅读与写作不能对接。下面,我将结合自己的教学实际,谈谈在低年级的阅读课上,如何巧搭台阶,让学生能够边读边写,在阅读中逐步的开始早期写作训练。

基于非参数自回归模型的黄金价格短期分析预测

黄金价格的变化受到众多因素的影响，总体呈波动上涨趋势。为了拟合我国黄金现货价格的非线性趋势，本文基于局部线性估计理论，建立了我国黄金现货价格的非参数自回归预测模型NAR（P）。文中结果表明，NAR（P）模型能够较好的拟合黄金价格的非线性趋势，预测误差较小。该模型具有较高的应用价值。