基于Logistic回归和局部多项式回归的疾病风险预测

出血性脑卒中一种危险的神经系统疾病,由脑部血管破裂引起出血,病情急剧进展,病死率高,对患者和社会带来沉重负担。因此,研究出血性脑卒中的诊疗至关重要,可改善患者预后、减少残疾和死亡率,提高医疗系统效率和质量。本文利用Logistic回归、局部多项式回归对血肿扩张和血肿周围水肿两个指标建模,研究出血性脑卒中患者血肿扩张风险、血肿周围水肿发生及演进规律,最终结合临床和影像信息,预测出血性脑卒中患者的临床预后,并据此优化临床决策。

一种局部多项式时空地理加权回归方法

基于加权最小二乘估计的时空地理加权回归方法,在随机项方差相同且最小的假设条件下估计回归参数和拟合值,由于没有考虑时空分析中异方差影响而导致估计结果存在一定偏差。局部多项式估计是一种消除异方差影响的非参数估计方法。本文在局部多项式估计原理基础上,提出了局部多项式时空地理加权回归方法。它是采用三元一阶泰勒级数展开式重构时空回归系数和自变量矩阵,进而建立满足高斯-马尔可夫独立同分布假定要求的新模型,利用新模型回归系数估计值、拟合值以及新模型与原模型的关系,可得到原模型回归系数估计值和拟合值。本文采用模拟数据和真实数据进行试验,以GTWR与局部线性地理加权回归作为对比方法,从方法适用性、整体估计效果、回归系数估计偏差和拟合优度、整体估计偏差等方面分析了LPGTWR方法性能,有效证明了LPGTWR方法能消除异方差影响提升估计精度。

断点回归方法及应用实现

目的完整、系统介绍断点回归设计(RDD)原理及统计方法,为其在公共卫生领域应用提供参考。方法在介绍断点回归设计原理基础上,用室内甲醛干预的实例演示了利用Stata软件实现断点回归统计方法的过程,介绍和比较属于参数法的多项式回归和属于非参数法的局部线性回归的分析方法和结果。结果RDD是一种准实验设计,对研究对象没有随机分组,而是选择一个与干预措施有关的变量,根据该变量的取值选择切点划分干预组和对照组。RDD在内部有效性方面优于其他准实验设计,但外部有效性受到一定限制。基于观察性资料的RDD不仅可控制可观测的混杂因素,还可控制无法观测的混杂因素,也更符合伦理道德。在本文实例中,多项式回归和局部线性回归两种分析方法的结果基本一致。结论RDD在公共卫生领域的真实世界研究中有广阔的应用前景,为科学评估干预政策和提供高质量决策依据提供新的思路和方法。

半参数回归模型的局部多项式光滑

利用最小二乘局部多项式方法建立了半参数回归模型参数分量和非参数分量的局部多项式估计 ,在适当条件下 。

基于局部多项式回归方法的抽样估计

在辅助信息可利用的情况下,文章研究了有限总体总值的估计问题。首先回顾了Horvitz-Thompson估计量和广义回归估计量;然后指出当辅助变量与研究变量不满足经典线性回归模型假设时,可建立非参数回归模型,运用局部多项式回归估计的方法进行估计;最后,引入了一个实际例子,并对估计结果进行了比较。

半参数回归模型局部多项式估计的渐近性质

利用最小二乘局部多项式方法建立了半参数回归模型参数分量、非参数分量和误差方差的局部多项式估计 .在适当的条件下 ,得到它们的渐近正态性和最优收敛速度 .

混合相依过程局部多项式加权回归估计渐近正态性的进一步结果

对相依时间序列数据 ,在一定的条件下已有人证明了局部多项式加权回归系数估计服从渐近正态分布 ,其中核函数是有界的 .但在非线性相依过程 (如 ρ 混合过程和强混合过程 )中 ,当数据之间的相依程度较大时 ,这种核函数便失去其合理性 ,作者在更广泛的核函数空间上考虑了这个问题 。

带有误差变量的自回归模型的局部多项式估计

该文主要研究带有误差变量的自回归模型的自回归函数的非参数估计问题,应用卷积核函数,给出了自回归函数的局部多项式估计,考察了局部多项式估计的相合性和渐近正态性,最后作了模拟计算.

非参数异方差回归模型的局部多项式估计——基于农村居民消费与收入的实证分析

本文主要研究非参数异方差回归模型的局部多项式估计问题.首先利用局部线性逼近的技巧,得到了回归均值函数的局部极大似然估计.然后,考虑到回归方差函数的非负性,利用局部对数多项式拟合,得到了方差函数的局部多项式估计,保证了估计量的非负性,并证明了估计量的渐近性质.最后,通过对农村居民消费与收入的实证研究,说明了非参数异方差回归模型的局部多项式方法比普通最小二乘估计法的拟合效果更好,并且预测的精度更高.

一种利用局部多项式回归求解偏微分方程数值解的迭代算法

利用局部多项式回归的方法,求解二阶双曲型偏微分方程的数值解。并且通过引入迭代的思想,使得该方法不仅适用于局部空间,而且也适用于全局空间。同时该方法还适合椭圆型的、抛物线型的等其他类型或其他阶数的偏微分方程。在文章末尾,给出两个数值例子,说明了该方法的有效性。

基于局部多项式非参数回归的风电场功率区间预测方法

准确地预测风电场功率有利于减小风电出力波动对电网运行的影响,同时可以为后期的风能消纳问题提供准确信息,然而传统预测方法多为确定性预测,且结果大多有不同程度的误差。本文提出了一种基于误差分布特性统计分析的非参数置信区间估计方法,首先采用LS-SVM算法,建立风速与风电功率之间的转换模型,得到风电功率确定性预测值,在确定性预测基础上得到误差集合,通过对风电功率预测误差分布特性的研究,采用局部多项式回归方法得到给定置信度对应的误差预测值,通过风电功率确定性预测值和误差预测值叠加得到对应的区间上、下限,继而得出满足一定置信水平的风电功率区间预测。仿真结果表明所提出的区间预测在一定置信水平下有较高的预测精度,同时得到的较窄的预测区间,验证了该方法的实用性与有效性。

局部多项式回归的图像重建改进

针对随机取样产生的低分辨率图像的分布特性,在局部多项式回归的数学模型下,利用经典核回归方法重建图像的过程中,引入与取样窗范围内随机取样像素点数目相关的权重项。改进的权重函数同时受取样窗范围的控制,更具适应性,利用可控核回归方法引入局部方向信息提高重建图像的局部结构特征。仿真结果表明,改进后的方法不仅提高了重建图像的分辨率,而且降低了重建图像的均方误差。

波动性的非参数局部多项式估计

利用非参数回归模型研究了股票收益率的波动性.在混合相依样本的条件下,结合迭代累积平方和法则(ICSS),作者应用局部多项式估计方法研究了我国上海和深圳股票收益率的波动分布.

右删失数据下回归函数的局部组合分位数回归估计

本文研究右删失数据情形下的组合分位数回归模型,采用局部多项式逼近来估计回归函数,得到回归函数在某一点的估计量的渐近正态性和区间估计,并通过蒙特卡洛模拟验证了所提方法的有限样本性质。

局部多项式估计的带宽选择

利用局部多项式对有界区间上的回归函数进行估计,在已有结果的基础上给出了一个两阶段的带宽选择方法,从数值例子来看其估计效果比较理想。

基于局部多项式拟合非时齐扩散模型参数的局部估计（英文）

本文主要研究一类非时齐扩散模型中参数的局部估计,此类问题是期权定价和风险管理中必要的组成部分.漂移参数和扩散参数是期权定价和风险管理中的关键性变量.首先,基于离散观测样本,利用局部多项式拟合,得到了漂移参数的局部多项式复合分位回归估计,并证明了其渐近性质.然后,考虑到扩散参数是非负的,本文利用对数局部多项式拟合,得到了扩散参数的局部多项式估计,并讨论了扩散项估计的渐近偏差、渐近方差和渐近正态性.最后,分别对漂移参数和扩散参数的估计采用了不同的带宽参数.模拟结果表明,本文所得到的局部复合分位回归估计比局部最小二乘估计的拟合效果更好.

局部多项式估计的带宽选择

利用局部多项式对有界区间上的回归函数进行估计;在已有结果的基础上给出了一个两阶段的带宽选择方法,从数值例子来看其估计效果比较理想。

基于多带宽局部多项式的时空地理加权分位数回归分析

在高斯-马尔可夫假设条件下,最小二乘估计是具有最小方差的最优线性无偏估计量,因此基于最小二乘估计的时空地理加权回归方法在满足此假设时可以获得最优估计,但现实中这些条件有时得不到满足。如果样本数据中存在异常值或者呈厚尾分布,最小二乘回归模型估计值可能会存在较大偏误。而分位数回归受异常值影响较小,相比最小二乘回归更为稳健且应用条件相对更为宽松。更为重要的是最小二乘回归模型只能探索解释变量对响应变量条件均值的影响,而分位数回归可以探索解释变量对响应变量分布的影响(如响应变量的多个分位数),可以挖掘到更为丰富的信息。本文在局部多项式估计原理基础上,提出了基于多带宽局部多项式的时空地理加权分位数回归模型,利用两步迭代估计方法得到系数估计,并且允许不同自变量(影响因素)的最优带宽可以不同。本文通过数值模拟,将该模型与时空地理加权最小二乘回归进行对比,基于分位数回归的系数估计的均方误差和平均绝对误差均比最小二乘估计量小(例如,在0.75分位数,基于最小二乘回归得到的系数估计的均方误差和平均绝对误差分别是基于分位数回归的10倍和4倍),说明本文的分位数回归具有稳健性且可以探索影响响应变量分布的因素。最后以上海市2017—2021年商品房住宅小区为案例对象,应用该方法,探究不同影响因素对不同分位数的住宅价格(如高位房价、中等房价、低位房价)的影响,说明了本文方法的实用性。实际数据研究表明同一个影响因素对不同水平房价的影响效果不同,即同一影响因素系数的时间分布和空间分布在高位房价、中等房价和低位房价存在明显差异,并且不同影响因素的最优带宽也存在差异;与基于最小二乘回归的MGTWR相比,本文的分位数回归模型对于异常值的存在更为稳健(删除1%极端值后基于分位数回归模型拟合的平均绝对误差的变化比基于最小二乘回归模型小1%),并且分位数回归模型可以探究多个水平房价如高位房价、中等房价和低位房价的影响因素。

非参数自回归方法在短期电力负荷预测中的应用

为了避免短期负荷预测中主观因素的影响,采用非参数核密度估计技术建立了基于数据驱动的非参数自回归模型,从而将短期电力负荷预测看作一个非线性时间序列预测问题,并从历史负荷数据本身出发挖掘负荷变动的内在随机分布规律。非参数自回归模型详细考虑了滞后阶数的选择、平滑参数(宽窗)的确定以及预测置信区间计算。通过对某一实际电力系统的历史负荷数据进行平稳化处理,然后采用两种非参数核类型:N-W(Nadaraya-Watson)核估计和局部多项式估计,实现了非参数自回归模型在短期负荷预测中的应用,并与参数自回归模型的预测结果进行了比较,验证了所提模型的正确性和有效性。

基于动态分位点回归模型的金融传染分析

金融危机传染检验一直是国际金融研究中的重要问题,大多数传染效应存在性的检验采用相关性方法.本文应用动态平滑数系数分位点回归模型研究不同国家股票市场之间的分位点相关关系,通过系数函数的变化趋势对危机传染问题进行检验和预测.其中在对参数函数进行非参数估计时,应用局部线性回归方法.为了分析亚洲金融危机期间的危机传染问题,对亚洲几个相关国家的指数数据进行了实证分析,实证结果发现,通过分析常数项函数以及系数函数的变化趋势,不仅可以对危机传染问题进行检验,还可以对金融危机传染的发生时刻以及金融危机的缓解时刻进行相应的分析.