Logistic回归模型的两参数估计

Logistic回归模型是一种有效的分类数据处理方法。为了克服Logistic回归模型的复共线性,文章提出了Logistic回归模型参数的两参数估计,并在均方误差矩阵准则下对估计的统计性质进行研究。

四参数Logistic模型在软土地基沉降推算中的应用

地基的沉降变形是反映工程(如建筑物、公路和铁路等)安全性的重要指标,也是岩土工程领域的热门研究课题。为进一步加深对软土地基沉降发展规律的认识和提高软土地基沉降推算的准确性,采用了四参数Logistic模型对软土地基沉降-时间曲线进行模拟推算,并基于实例计算结果将四参数Logistic模型与地基沉降推算方法中常用的三参数Logistic模型、Gompertz模型和双曲线模型进行了比较研究。计算结果表明,四参数Logistic模型作为软土地基沉降发展规律的模拟描述是适合的,比三参数Logistic模型推算沉降精度更高;相比于常用的三参数Logistic模型、Gompertz模型和双曲线模型,四参数Logistic模型推算后期沉降发展趋势效果更好;四参数Logistic模型在软土地基沉降推算应用方面具有更好的可靠性和实用性,值得推广应用。

基于半参数加性logistic的信号交叉口动态两难区驾驶行为研究

信号交叉口进口道两难区的存在增加了交叉口冲突的可能,利用间接观测计算方式提取首停车和末行车的行驶参数,进行统计分析和独立样本T检验,并通过均方根误差RMSE结合实例验证车辆行驶关键参数模型的准确性,建立最小停车距离模型与最大通过距离模型,构建了反映车辆个体差异性和符合实际道路交通环境的动态两难区边界模型。通过相关性分析、信息价值和多重共线性检验筛选影响两难区驾驶行为决策的因素,构建了考虑连续变量非线性影响的基于半参数加性logistic的动态两难区驾驶行为决策模型,经检验,该预测方法的整体精度达到89.65%。研究结论对动态两难区风险评估和有效规避以及改善信号交叉口的交通安全提供了理论依据。

两水平两分类数据的logistic回归模型对比研究

目的研究多水平模型在实际运用过程中的方法学问题,为以后此类具有层次性数据的正确分析提供参考。方法用徐州市区六所幼儿园中3-6岁儿童的资料建立二分类两水平logistic回归模型,并将模型所获得的结果与传统的多因素logistic回归模型进行对比研究。结果二分类两水平logistic回归模型与传统的多因素logistic回归模型所筛选变量及假设检验基本一致,但二分类两水平logistic回归模型对个别指标的敏感性更强;对于有层次结构的数据,模型拟合优度显示二分类两水平logistic回归模型优于传统的多因素logistic回归模型,偏差信息判据（DIC）值分别为362.225和370.428。结论本研究将多水平模型应用于分类变量的层次结构数据中,作为此类数据分析的新途径,此方法具有更好的适用性,能够克服传统回归模型在处理具有层次结构数据中的局限性。

应用两水平logistic模型分析急性心梗院内死亡的影响因素

目的研究急性心梗患者院内死亡的相关影响因素,为降低急性心梗院内死亡的风险提供理论依据。方法利用调查表收集20家医院共2203例急性心梗患者的病历信息,对急性心梗患者院内死亡的相关因素进行单因素χ2检验和两水平logistic回归分析。结果单因素分析结果显示:性别、年龄、糖尿病、心衰、心源性休克、心律失常、心功不全对急性心梗院内死亡的影响有统计学意义;两水平logistic模型分析显示:院内死亡存在医院效应;在调整患者水平因素的影响后,不同医院急性心肌梗死患者的病死率不同;扣除医院效应后,两水平模型分析发现:65岁以上急性心梗患者病死率高;合并高血压或心衰的急性心梗患者死亡风险分别是未合并患者的1.87、1.93倍;并发心源性休克的死亡风险高于未并发的患者;前壁梗死的死亡风险高于其他部位梗死。结论 65岁以上人群、合并高血压、合并心衰是急性心梗院内死亡的高危人群;急性心梗部位是前壁梗死、并发心源性休克的患者应重点加以关注并及时采取针对性措施,以降低其死亡风险;急性心梗患者的院内死亡不仅与患者个体水平因素有关,还存在不可忽略的医院效应。

基于粒子群优化算法的Logistic模型参数估计

将Logistic模型的参数估计问题转化为一个多维无约束函数优化问题，然后利用粒子群优化算法（PSO）的全局搜索能力对此问题求解.仿真实验中所使用的数据包括真实数据和随机采样数据.实验结果表明，在这两种数据条件下PSO算法均能够较准确地估计获得Logistic模型的参数，证实了PSO算法是Logistic模型参数估计的一种可靠有效的算法.同时也分析了参数维数和噪声对PSO算法的收敛性和稳定性的影响.

Logistic模型参数估计与我国城市化水平预测

本文探讨了Logistic模型描述城市化过程中的合理性．提出模型参数估计的新方法．计算和预测了我国的城市化水平及其发展趋势。新方法简单实用，预测精度高。

应用Logistic回归模型筛选剪切波弹性成像评估颈部淋巴结的定量参数

目的采用Logistic回归模型探讨剪切波弹性成像(SWE)评估颈部淋巴结良恶性的价值和筛选SWE的定量参数。方法对59例患者共95个疑似恶性颈部淋巴结在颈部淋巴结清扫前进行常规超声检查及剪切波弹性成像检查,分别比较颈部良性与恶性淋巴结的弹性值比值(E-ratio)、病灶的平均弹性值(E-mean)、病灶的最大弹性值(E-max)和标准差(SD);以病理结果为金标准,建立二分类逻辑回归模型,绘制模型预测概率的ROC曲线并计算曲线下面积,确定诊断界值,计算敏感度、特异度、准确度、阳性预测值、阴性预测值和约登指数。结果Logistic回归模型为logitic(p)=-3.653+1.760 X_1+0.235 X_2-0.207 X_3+0.168 X_4,X_1为E-ratio,X_2为E-mean,X_3为E-max,X_4为SD。模型预测概率ROC曲线的曲线下面积为0.865,以55.66%为模型预测概率的诊断界值时,准确率最高为84.21%,对应的敏感度为80.00%,特异度88.89%,阳性预测值为88.89%,阴性预测值为80.00%,约登指数为68.89%。结论运用SWE的4个定量参数建立的逻辑回归模型对颈部良恶性淋巴结的鉴别具有中等诊断价值,4个定量参数均可为良恶性淋巴结的鉴别诊断提供依据,而诊断价值最高的定量参数是E-ratio。

典型作物Logistic模型生长参数空间分布及其地区水热相关性

为明确作物生长模型——Logistic模型参数的空间变异特征,本文以冬小麦、夏玉米、水稻和新疆棉花作为典型作物,以作物株高、叶面积指数和干物质积累量作为生长指标,研究各生长指标的全相对化Logistic模型参数的空间分布情况,进一步分析该模型参数与地区多年平均降雨量、多年平均活动积温的相关关系。结果表明,4种典型作物全相对化Logistic模型参数变异系数均大于0.20,属于强变异性,空间分布具有明显的地带性,主要表现为:冬小麦的叶面积指数模型参数表现为黄河中下游地区大于新疆地区;夏玉米的叶面积指数模型参数表现为自沿海向内陆先增大、后减小的变化特征;水稻的干物质积累量模型参数表现为自西南向东北先减小、后增加的规律;新疆棉花的株高模型参数表现为西北小、东南大,且新疆中部地区存在极大值。全相对化Logistic模型参数与地区多年平均降雨量和多年平均活动积温间均具有显著或极显著的正相关关系,其相关系数r均介于0.3和0.6之间,即各地区模型参数的大小与该地区降雨量和温度相关。

单种群生长的广义Logistic曲线模型中参数拟合的一种数值解法

利用常微分方程反问题方法以及计算机辅助运算，对广义Ｌｅｇｉｓｔｉｃ曲线模型中的参数进行数值拟合，并且较佳估计到实际生长点．

Logistic模型的参数估计及人口预测

用数值微分和线性拟合化技术对Logistics模型进行了参数估计,由此检验了2005~2007年中国总人口数的误差情况,其中2007年用相关参考文献的等差参数估算方法所得结果的相对误差为5.58%,而本文参数估算所得结果的相对误差为0.114‰,预测取得了理想的效果.

Logistic和Lotka—Volterra模型参数的灰色估计方法研究

根据灰色系统建模原理,对Logistic模型中的参数进行了估计,将此方法应用于Gause(1934)草履虫实验数据的拟合,并与已有拟合结果对比,说明此方法是有效的.然后将其推广至两种群的Lotka—Volterra模型参数的确定,来研究山西省人口—经济系统的发展演化状况,得出了满意的结果.

基于单参数Logistic的典型作物相对叶面积指数模型研究

为系统分析叶面积指数变化特征,构建便于实际应用的作物生长模型,在对现有叶面积指数模型参数变化特征分析的基础上,以相对有效积温为自变量,利用修正Logistic模型分析了冬小麦、夏玉米、水稻3种作物相对叶面积指数的增长特征,并确立了模型参数之间的关系。研究结果表明,参数a、b和c与相对有效积温特征值有关,随着c的增大,a逐渐增大、b逐渐减小,且其增大或减小速率均与相对有效积温有关;参数a、c与b之间也存在一定函数关系。基于参数之间的关系,对相对化修正Logistic模型进行了简化,建立了描述冬小麦、夏玉米和水稻3种作物的叶面积指数增长过程的单参数Logistic模型。利用实测资料对模型进行了评估,结果表明,该模型能够很好地模拟相对叶面积指数的增长变化过程。该简化模型参数少、形式简单、便于分析,因此易于应用,对建立其他作物的单参数相对叶面积指数模型具有一定的参考价值。

四参数Logistic模型潜在特质参数的Warm加权极大似然估计

本文以四参数Logistic(4-parameter Logistic,4PL)模型为研究对象,根据Warm的加权极大似然估计技巧,提出了4PL模型潜在特质参数的加权极大似然估计方法,并借助模拟研究对加权极大似然估计的性质进行验证。研究结果表明,与通常的极大似然估计和后验期望估计相比,加权极大似然估计的偏差(bias)明显减小,并且具有良好的返真性能。此外,在测试的长度较短和项目的区分度较小的情况下,加权极大似然估计依然保持了良好的统计性质,表现出更加显著的优势。

Logistic模型的参数估计

自Malthus提出了生物总量增长定律后,Verhulst（1838）提出了Logistic模型,本世纪20年代由Pearl&Reed重新发现了该模型后,其应用日益广泛。其中,其参数估计方法更是人们关注的焦点。迄今为止,已提出了多种不同的估计方法,归纳起来有三类:线性化方法;优化方法及其它。本文便通过数据资料（t1,y1）,（t2,y2）……,（tN,yN）分别介绍Logistic模型y或f（7θ,t）=K/[1+exp（a—rt）]的不同参数估计方法。

关于Logistic增长模型参数估计方法的再探讨

对于Logistic增长模型N=K/(1+ea-rt)中的三个常数K、r和a,绝大多数拟合方法均将其作为三个独立参数来估计,这样不仅使拟合得到的理论初值N?0与实测初值N0不等,而且可能明显影响K和r的估计结果。文章对利用线性化方法拟合Logistic模型进行了再探讨,给出了一种估计参数K、r和a的新方法并证明了其合理性。

基于粒子群算法的Logistic回归模型参数估计

针对Logistic回归模型中的参数估计计算复杂难题,提出一种基于粒子群优化算法(PSO)的估计方法。以最大似然准则作为粒子群优化算法的适应度函数,建立了Logistic回归模型中的参数估算模型。数值仿真分析表明,粒子群优化算法可以更精确地计算出相关参数。

多维二参数Logistic项目反应模型的Gibbs抽样法

项目反应理论主要有3个基本假设:单维性,局部独立性和单调性。但是这3个假设存在一些弊端亟待解决。一些科学研究表明,用单维模型来模拟多维测量数据往往会增大测量误差,导致对学生的能力做出不正确的推论。因此,研究者基于各种不同的测验背景,将单维项目反应模型推广到多维项目反应模型。多维项目反应模型涉及到的参数较多,如果采用传统的估计方法,如边际最大似然法和贝叶斯众数估计法处理起来比较困难。然而,在项目反应理论中,Gibbs抽样法可以作为一种高效灵活的估计方法加以应用。基于Gibbs抽样的增加数据的技巧,给出了多维二参数Logistic项目反应模型的Bayes估计方法。随着潜在变量的引入,每个参数的满条件分布都很容易得到,并且不受先验分布选取的限制,这样Gibbs抽样的方法就很容易实施。

如何用经验Logistic回归方法估计Rasch模型中参数

将经验Logistic回归方法用于项目反应理论中Rasch模型的参数估计 ,通过蒙特卡洛模拟表明这种方法对项目参数的估计较好 。