部分线性变系数空间自回归模型的惩罚轮廓拟最大似然方法

主要研究了部分线性变系数空间自回归模型的变量选择问题。结合拟最大似然方法、局部线性光滑方法以及一类非凸罚函数,提出了一个变量选择方法用于同时选择该模型的参数部分中重要解释变量和估计相应的非零参数。大量模拟研究表明,所提出的变量选择方法具有满意的有限样本性质,并且关于空间权矩阵的稀疏度、空间相关强度、系数函数的复杂度以及误差分布的非正态性非常稳健。特别地,当样本容量较大且罚函数选择合适时,即使解释变量的相关性较强或者模型中含有较多不重要解释变量,所提出的变量选择方法仍然具有比较满意的有限样本性质。通过分析波士顿房屋价格数据考察了所提出的变量选择方法的实际应用效果。

采用变系数回归模型提取GPS坐标序列季节性信号

提出采用变系数回归模型提取连续GPS坐标序列中包含的振幅时变季节性信号。对模拟数据及实际GPS坐标序列两组数据的分析结果表明,变系数回归模型在提取GPS坐标序列季节信号方面比传统模型更有效。经处理,GPS坐标序列能获得更合理的速度及噪声估计。

半参数空间变系数回归模型的两步估计方法及其数值模拟

文章提出了关于半参数空间变系数回归模型的两步估计方法,该方法可得到模型中常值系数估计量的精确解析表达式,广泛的数值模拟表明所提出的估计方法对估计常值系数具有满意的精度和稳定性。

重庆市房价变系数回归模型的建模与分析

根据重庆市2012年统计年鉴数据,运用变系数模型进行拟合,并与线性回归模型进行比较。结果表明:变系数模型对住宅销售价格指数有更好的拟合效果。

随机效应变系数空间自回归面板模型的估计

具有良好可读性和稳健性的变系数模型在各学科领域应用广泛。本文构建了一种新的随机效应变系数空间自回归面板模型,运用截面极大似然估计方法,导出了模型的估计量,证明其具备一致性和渐近正态性,蒙特卡洛模拟研究显示估计量的小样本表现效果良好。

半参数变系数回归模型的空间相关性检验

本文对半参数变系数回归模型,构造了新的空间相关性检验统计量,利用三阶矩χ2逼近方法导出了其检验p-值的近似计算公式,蒙特卡罗模拟结果表明,该统计量在检测空间相关性方面具有较高的准确性和可靠性。同时考察了误差项服从不同分布时的检验功效,体现出该检验方法的稳健性。进一步,我们还给出了检验统计量的Bootstrap方法以及检验水平的模拟效果。

基于变系数回归模型的石油价格预测

石油作为不可或缺的能源和化工原料,在国民经济生产运行中占据重要地位.石油也是一种战略物资,在国防和国家安全领域发挥着不可替代的作用.因此,对国际市场上的石油价格波动进行预测,具有十分重要的意义。本文采用变系数回归模型,以WTI原油现货价格为例,进行了未来4个季度的季度平均价格预测.

变系数空间自回归模型的Bootstrap检验

变系数空间自回归模型是变系数模型在空间数据分析方面的推广,因其众多的应用背景而得到广泛的重视和研究,确认模型中系数是否真正随变量的变化而变化是应用变系数空间自回归模型需解决的首要问题.本文基于Bootstrap检验方法研究了变系数空间自回归模型中的常系数项的辨别问题,为建立半变系数空间自回归模型提供依据.最后,通过模拟试验验证Bootstrap检验方法在有限样本容量下的有效性.数值模拟分别考察了误差项服从不同分布、空间滞后相关系数变化以及解释变量共线性程度不同时,Bootstrap方法逼近其零分布的准确性以及检验的功效.模拟结果表明本文所提出的Bootstrap方法能精确地逼近检验统计量的零分布且检验具有满意的功效.

变系数回归模型的参数估计

讨论了变系数回归模型中变系数的加权最小二乘估计和变系数的加权可估函数的线性估计的最优性;推广了Gauss-Markov定理;并且构造出参数σ2的估计量.

变系数回归模型在计量经济学中的应用

文章主要讨论了变系数回归模型在计量经济学中的应用,变系数回归模型不但有很好的拟合效果,而且可以探讨变量之间的经济结构的非平稳性,这是经典的线性回归模型所不能比拟的.

一类变系数分组Cox回归模型及其估计

讨论了一类变系数分组Cox回归模型.该模型提高了线性分组Cox回归模型的灵活性和适应性.基于局部加权极大似然估计方法,讨论了该模型的参数估计问题,利用迭代加权最小二乘法给出了局部似然方程的迭代算法.

变系数回归模型的局部M-估计

讨论了变系数回归模型的系数函数的估计问题。在通常的局部M-回归方法基础上嵌入一个变窗宽对模型的系数函数进行了估计,并在样本独立同分布的情况下,讨论了系数函数估计的弱相合性和渐近正态性,最后,给出了估计的渐近性质的证明。

变系数统计模型研究进展

对非参数回归统计分析领域内提出的变系数回归模型和空间变系数回归模型及其相关研究进展作了较全面的回顾。简要介绍了变系数回归模型和空间变系数回归模型的基本理论,梳理了近20年内两类非参数回归分析技术在模型设定、估计方法以及统计推断理论等方面的研究脉络,还着重讨论了两类回归模型亟待解决的问题和未来的研究方向。

变系数统计模型研究进展

本文对非参数回归统计分析领域内提出的变系数回归模型和空间变系数回归模型及其相关研究进展作了较全面的回顾,简要介绍了变系数回归模型和空间变系数回归模型的基本理论,梳理了近20年内两类非参数回归分析技术在模型设定、估计方法以及统计推断理论等方面的研究脉络,还着重讨论了两类回归模型亟待解决的问题和未来的研究方向。

新疆地区降水量与海拔的空间变系数模型

空间变系数回归模型是将变系数回归模型的回归系数转化为包含数据空间位置特征的回归系数函数的模型.以新疆地区降水量和海拔高度为指标,选取1991-2000年气象观测站的数据,运用空间变系数回归模型对新疆各区域的海拔高度和降水量之间的空间关系加以研究.结果表明:新疆各区域的海拔高度与降水量之间呈现显著的空间非平稳性特征,即海拔高度对降水量的影响随着研究区域地理位置的不同而不同,是地理位置的函数,并且得到了具体的影响系数函数.

吉林省居民消费水平的变系数回归分析

运用变系数回归模型,根据1980-2014年数据,分析吉林省居民消费水平,并与普通线性回归结果进行比较。根据残差平方和与居民消费水平预测值,相比于线性模型,变系数回归模型在拟合精度和预测精度上都有所改善。

基于变系数模型的山东省人口自然增长率分析及预测

人口的合理建模是人口预测、控制与管理的基础工作,是当前人口研究的热点问题之一.准确地预测人口信息,是制定未来人口发展目标和生育政策等有关人口政策的基础,对研究制定地方经济和社会发展决策具有重要的参考价值.主要利用变系数模型研究山东省人口自然增长率及与之有关的因素,并且对2007年的人口自然增长率进行预测,预测值3.9367‰,实际值3.58‰.

基于Bernstein多项式的半变系数组合诊断方法研究

目的探讨基于Bernstein多项式的半变系数logistic回归模型的估计,从而描述协变量与二分类结果变量间更为复杂的关系,并探索该模型在多变量组合诊断试验中的应用。方法利用Bernstein多项式将半变系数logistic回归模型近似转化为普通logistic回归模型,随后采用极大似然法估计回归参数。利用蒙特卡罗模拟评价模型的估计效果。在实例研究中,采用随机抽样法将数据集分割为训练集与测试集,并分别将其用于训练建模及验证评估。不同组合诊断方法的比较采用ROC曲线,检验采用Bootstrap配对法。结果在不同的样本量条件下,常数系数和变系数的估计偏差均较小,常数系数的估计标准误和经验标准误的偏差也不大,变系数函数估计的95%置信带基本平行。随着样本量的不断增加,常数系数的估计偏差逐渐变小,变系数函数的95%置信带也逐渐变窄。在本文的模拟假设下,半变系数logistic回归模型的诊断效果优于普通logistic回归模型,差别具有统计学意义。在实例研究中,应用半变系数logistic回归模型进行多变量组合诊断的AUC值大于普通的logistic回归模型,且差别具有统计学意义(P=0.003)。结论本研究提出的基于Bernstein多项式的估计方法具有良好的估计效果,估计方法稳定,计算速度较快,而且对样本量的要求也不高。同时,半变系数logistic回归模型可显著提高多变量组合诊断的效果,对于提高疾病诊断的准确性具有一定的应用价值。

基于变系数回归的高校大学生艾滋病新增病例的预测研究

利用2007—2016年湖南省高校大学生艾滋病新报告病例的数据,将2011—2016年艾滋病发病数据作为检验样本,以平均相对误差作为评价指标,建立变系数回归模型,并对2017年新报告病例数进行预测。经计算得到变系数回归模型的平均相对误差为0.6801%,灰色预测方法的平均相对误差达到20.9792%,以及2017年湖南省高校大学生艾滋病新报告病例数的预测区间为[209, 231]。结果表明变系数回归模型预测效果好于灰色预测,更适用于湖南省高校大学生艾滋病疫情预测。

变权重组合预测模型的局部加权最小二乘解法

随着科学技术的不断进步,预测方法也得到了很大的发展,常见的预测方法就有数十种之多。而组合预测是将不同的预测方法组合起来,综合利用各个方法所提供的信息,其效果往往优于单一的预测方法,故得到了广泛的应用。而基于变系数模型的思想研究了组合预测模型,将变权重的求取转化为变系数模型中系数函数的估计问题,从而可以基于局部加权最小二乘方法求解,利用交叉证实法选取光滑参数。其结果表明所提方法预测精度很高,效果优于其他方法。