基于随机效应logistic模型的中小企业财务失败预警研究

logistic模型是研究企业财务失败和信用违约的主流方法,但它不能很好地控制模型之外的因素对违约事件的影响。针对这一问题,本文引入截面数据的随机效应logistic模型,并对2005-2010年我国沪深两市中小上市企业的财务失败风险进行实证检验。结果表明,随机效应logistic模型相比logistic模型具有更高的样本内判别效果和样本外预测效果,而且在财务指标基础上加入公司治理指标能进一步提升模型的预警能力。研究结论对中小企业信用风险评估等具有一定的参考价值。

非线性混合效应模型和广义线性模型拟合随机效应logistic回归的应用比较

在临床药物试验中药物疗效的评价经常遇到二分类资料,即反应变量有两个水平如有效、无效;成功、失败等。二分类变量服从二项分布,可采用logistic回归模型。运用logistic回归模型对分类资料进行分析,能给实际研究带来很多便利。与多元线性回归相比,logistic回归具有许多独特的优点,如对正态性和方差齐性不做要求,系数的可解释性等。

随机效应Logistic模型的参数估计

在经济计量学中,对面板(panel)数据的研究是一个热门的话题。目前,讨论得较多的是如何运用线性随机效应模型来对它建模。可是,当因变量是二元的数据时,用线性随机效应模型进行建模显然是错误的。这时,比较常用的是随机效应Logistic模型。本文讨论了如何运用EM算法对随机效应Logistic模型进行参数估计。

随机森林模型和Logistic回归模型预测非计划再手术发生风险的效能比较

目的比较随机森林模型和Logistic回归模型预测非计划再手术发生风险的效能。方法在手术麻醉系统中筛选一次住院期间申请2次手术的患者信息。提取所有非计划再次手术患者(n=219)作为研究组,对应科室的计划再次手术患者(n=14311)作为对照组。运用随机森林模型和Logistic回归模型建立非计划再手术预测模型。采用受试者工作特征曲线下面积评价两种模型的预测效能。结果(1)Logistic回归分析结果显示,前次术中输血、罹患恶性肿瘤、合并疾病数量、前次手术切口愈合等级、前次手术级别、前次手术时长、前次手术切口类别是非计划再手术发生的影响因素(P<0.05)。Logistic回归预测模型的曲线下面积为0.922,灵敏度、特异度、准确率分别为92.59%、79.11%、79.28%。(2)随机森林模型特征变量的重要性排序结果显示,前次手术切口类别、前次术中输血、前次手术级别、前次手术切口愈合等级、合并疾病数量、罹患恶性肿瘤等变量的重要性更靠前。随机森林预测模型的曲线下面积为0.866,灵敏度、特异度、准确率分别为80.00%、93.33%、86.66%。Logistic回归预测模型曲线下面积大于随机森林预测模型,但差异无统计学意义(P>0.05)。结论综合使用Logistic回归模型和随机森林模型,并将二者分析结果互为补充,可从各个方面预测非计划再次手术的风险因素,能获得更好的预测效能。

随机效应Logistic回归模型在致畸研究中的应用

１．问题的提出在致畸试验研究资料中，传统的统计方法是以各处理组中孕鼠的仔鼠为观察单位，用统计学中两个率的ｕ检验或χ２检验分析各组胎鼠死亡率或致畸率等有无差别，评价受试物有无毒作用。这种统计处理忽视了一个可能的影响因素，即窝别效应（ｌｉｔｅｒ－ｍａｔａ...

基于Logistic回归与随机森林算法构建甲状腺乳头状癌颈部淋巴结转移预测模型的对比研究

目的基于Logistic回归与随机森林算法构建甲状腺乳头状癌(PTC)颈部淋巴结转移(LNM)的预测模型,比较二者的诊断效能。方法选取我院收治的PTC患者156例,依据是否发生颈部LNM分为非转移组65例和转移组91例,比较两组超声、基因检测及临床检查结果的差异。采用多因素Logistic回归分析筛选PTC颈部LNM的独立影响因素,基于Logistic回归和随机森林算法分别构建PTC颈部LNM的预测模型;绘制受试者工作特征(ROC)曲线分析模型的诊断效能。结果转移组与非转移组年龄、结节最大径、甲状腺球蛋白抗体(TgAb)水平,以及甲状腺外浸润(ETE)、BRAFV600E基因突变、微钙化占比比较差异均有统计学意义(均P<0.05)。多因素Logistic回归分析显示,微钙化、结节最大径、ETE、年龄、TgAb水平、BRAFV600E基因突变均为PTC颈部LNM的独立影响因素(均P<0.05)。ROC曲线分析显示,Logistic回归模型预测PTC颈部LNM的曲线下面积(AUC)为0.763;随机森林模型显示,树的数目为272时错误率最低,模型预测PTC颈部LNM的相对重要预测因子排序依次为TgAb水平、BRAFV600E基因突变、微钙化、年龄、ETE、结节最大径,其预测PTC颈部LNM的AUC为0.856,高于Logistic回归模型(Z=2.812,P=0.005)。结论基于随机森林算法构建的PTC颈部LNM预测模型的诊断效能高于基于Logistic回归构建的预测模型,临床医师可根据PTC患者颈部LNM的随机森林重要性排序制定合适的干预措施。

随机森林与Logistic回归模型对子宫内膜息肉切除术后影响息肉复发预测的比较

目的:探讨子宫内膜息肉切除术后息肉复发的影响因素,基于随机森林与Logistic回归构建息肉复发的预测模型,并进行两种模型的效能比较。方法:回顾性选取2021年12月—2022年11月在医院行子宫内膜息肉切除术的病人216例,根据1年内病人有无息肉复发分为复发组(n=41)和无复发组(n=175),通过单因素分析得出对应的影响因素,基于随机森林与Logistic回归模型构建子宫内膜息肉切除术后息肉复发的风险预测模型,同时采用受试者工作特征(receiver operating characteristic, ROC)曲线比较两种算法构建的模型对息肉复发的预测价值。结果:多因素Logistic回归分析显示,子宫内膜厚度、息肉数量、雌二醇水平、黄体生成素水平、子宫内膜息肉家族史、合并子宫内膜异位均是息肉复发的独立危险因素(P<0.05)。随机森林算法预测模型显示,前6位影响因素的重要性排序为雌二醇水平(GiNi=16.74)>子宫内膜厚度(GiNi=12.08)>息肉数量(GiNi=11.40)>黄体生成素水平(GiNi=11.11)>术后感染(GiNi=2.66)>手术方式(GiNi=2.50)。ROC比较结果显示,随机森林的预测效能较多因素Logistic回归更高,曲线下面积(area under curve, AUC)为0.912,敏感度为0.854,特异度为0.863。结论:行子宫内膜息肉切除术病人的息肉数量、术后感染情况等因素对术后息肉复发的预测具有重要意义,基于随机森林算法构建的风险预测模型具有较好的预测效能。

基于两水平logistic随机效应模型的乳腺癌术后并发症影响因素分析

目的利用两水平logistic随机效应模型,基于医院水平和患者水平分析乳腺癌术后并发症的影响因素,为医院乳腺癌治疗质量的提高、改善患者预后提供依据。方法制定乳腺癌患者病案信息调查表,收集乳腺癌患者病例信息;利用t检验或χ^(2)检验对乳腺癌术后并发症的相关因素进行单因素分析;以医院作为水平2单位,患者作为水平1单位,患者是否发生术后并发症为结局变量,并发症的影响因素为解释变量,纳入单因素分析结果有统计学意义的因素,利用两水平logistic随机效应模型进行多因素分析。结果收集患者3224例,乳腺癌术后并发症发生率为22.52%。两水平logistic随机效应模型结果显示,医院水平随机效应在零模型中有统计学意义(P<0.05);医院水平的解释变量中,医院类型(OR=0.130,95%CI:0.027~0.638)具有统计学意义;患者水平的解释变量中,年龄(OR=0.983,95%CI:0.972~0.994)、居住地(OR=0.671,95%CI:0.534~0.843)、术前细胞学检查(OR=1.973,95%CI:1.397~2.787)以及腋窝淋巴结转移(OR=1.435,95%CI:1.168~1.762)均有统计学意义(P<0.05)。结论年龄越小、居住在城市的女性是乳腺癌术后发生并发症的高危人群;乳腺癌患者的术后治疗及护理过程中,应对有淋巴结转移、接受过术前细胞学检查的乳腺癌患者加以关注,降低术后并发症的发生几率。

考虑空间溢出效应的高速公路交通事故随机参数频次模型

为提高高速公路事故频次模型参数估计的准确性,本文以精细的事故记录、道路属性、交通流状态和天气条件数据为样本,首先,构建传统的事故频次模型并对比拟合效果,选择效果最佳的泊松-对数正态分布模型作为优化的基础模型;之后,为挖掘更多的影响高速公路事故频次的空间效应,在加入条件自回归先验的基础上,本文考虑相邻路段的空间溢出效应,建立一个带有空间溢出协变量的模型分析空间溢出效应对路段事故频次的影响。同时,为描绘数据的异质性对路段事故频次的影响,进一步构建一个随机参数模型。结果表明,空间溢出效应显著有效,考虑空间自相关和空间溢出效应的随机参数模型的拟合优度相较于对照模型明显提升。根据最优模型的参数估计结果进行风险因素甄别,其中,“ln(MADT)”“ln(路段长度)”“1类车”“4类车”“降水”等普通变量以及“1类车S“”圆曲线长S”等空间溢出协变量与事故频次显著相关。

偏正态单向分类随机效应模型下暴露水平的Bootstrap推断

为评估工作环境中的暴露水平,基于偏正态单向分类随机效应模型,研究暴露水平的区间估计和假设检验问题。首先,利用EM算法给出未知参数的极大似然估计。进而,基于Bootstrap方法,构造个体平均暴露水平的三种Bootstrap置信区间。Monte Carlo模拟结果表明,修正的Bootstrap百分位置信区间在覆盖概率意义下优于其他两种Bootstrap置信区间,Bootstrap标准置信区间在置信上限意义下优于其他两种Bootstrap置信区间。最后,将上述方法应用于苯乙烯暴露数据的案例分析,以验证所提出方法的有效性和合理性。

具Allee效应和食饵避难的随机捕食模型的动力学分析

研究一类具Allee效应和食饵避难的随机食饵捕食模型的全局动力学。证明模型存在唯一的全局正解,且给出模型存在唯一遍历的平稳分布的充分条件。最后,通过数值模拟,验证了结论的可行性和有效性。

基于Logistic模型和随机差分变异的正弦余弦算法

针对标准正弦余弦算法(Sine Cosine Algorithm,SCA)处理全局优化问题时存在收敛速度慢、易陷入局部最优和求解精度低的缺点,文中提出了一种基于非线性转换参数和随机差分变异策略的改进正弦余弦算法(LS-SCA)。首先,设计一种基于Logistic模型的非线性转换参数策略以平衡算法的全局搜索和局部开发能力;其次,引入随机差分变异策略以增强种群的多样性与避免算法陷入局部最优;最后,将非线性转换参数和随机差分变异策略进行融合。一方面,选取12个标准测试函数进行全局寻优的仿真实验。结果表明,与其他SCA类算法和最新智能算法相比,LS-SCA在收敛精度和收敛速度指标上均能达到较优的效果。其中,随机差分变异策略对LS-SCA全局寻优能力的提升尤为明显。另一方面,利用LS-SCA优化神经网络参数解决了两类经典分类问题。实验结果表明,与传统的BP算法和其他智能算法相比,基于LS-SCA的神经网络能达到较高的分类准确率。

企业典型产品生命周期曲线的Logistic随机模型的拟合与应用

对企业产品生命周期的识别、特别是对典型产品生命周期的识别构成了产品生命周期理论的基础和难点。虽然Logistic模型可用于产品生命周期的识别,但由于该模型参数的非线性性,在估计方法上存在一定困难。文章结合三段倒数和值法与Fisher-Pry变换对典型产品生命周期的Logistic随机模型进行拟合,并给出实证分析结果。不仅从曲线特征上适用于拟合典型产品生命周期,同时又满足了反映经济现象随机性特性的要求。

非线性混合效应模型拟合Logistic回归在临床试验中的应用

目的探讨非线性混合效应模型拟合Logistic回归在临床试验中的应用。方法采用SAS软件包的NLMIXED过程拟合模型,并以两例药物临床试验资料进行实例分析。结果获得了各参数及其标准误的估计值,并可以对各因素进行直观的解释。结论非线性混合效应模型允许固定效应和随机效应进入模型的非线性部分,可以拟合具有非线性的Logistic回归模型,是临床试验中分析二项分布数据有效方法。

随机效应logistic回归模型在毒理学中的应用

近年来,毒理学中的统计分析方法发展很快,已逐渐形成生物统计学中的一个重要分支——毒理统计学。随机效应logistic回归方法是新近发展起来的一种处理某些毒理学资料的新方法。它以其科学性、先进性和适用性得到国外毒理学学者们的重视,随着计算机的发展,其应用日益广泛。

一类具有随机扰动的logistic SIR传染病模型的渐近行为

考虑了一类自然死亡率受环境噪声随机扰动的logistic SIR传染病模型的渐近行为.首先,论证了模型依概率1存在正解.然后通过随机Lyapunov函数方法证明了当R0<1时无病平衡点的随机稳定性,并给出了当R0>1时的一些考虑长时间状态的渐近结果.当噪声强度很小且因病死亡率满足一定条件时,模型解围绕确定性模型的解长时间随机振荡,振荡幅度随着噪声强度的减小而减小,这说明了疾病将流行.

随机效应Logistic回归在多中心研究中医临床疗效终点事件评价中的方法学探析

文章基于多中心研究中医临床疗效终点事件的特征和数据特点进行探讨,引入随机效应Logistic回归,从研究目的、研究设计、数据类型、应用条件方面进行阐述,论证随机效应Logistic回归可以确立为多中心研究的统计方法。认为随机效应Logistic回归考虑变量组内的相关性,卓有成效地控制中心效应的影响又得出试验中涉及的处理因素的作用,希望能够为多中心中医临床疗效终点事件评价做出方法学示范。

具有Logistic增长的随机SIVR传染病模型的动力学分析

建立了一类具有Logistic增长的随机SIVR传染病模型。首先证明了模型存在唯一的全局正解,进而通过构造Lyapunov函数,利用伊藤公式,证明了加入随机扰动项后,确定性模型的无病平衡点并不是随机模型的平衡点,并讨论了随机模型的解围绕确定性模型无病平衡点的渐近行为。结果表明:随机振动只受易感者的随机项影响。最后利用Mlistein差分近似法对模型进行数值模拟,验证了所得理论结果。

随机数学理论对Logistic模型的解释

目的 :建立Logistic随机数学模型。方法 :运用概率论原理。结果 :设时刻t菌落的细菌数为 ξt,M=E(ξt),V=D(ξt),则有 :=K1M -K2(M2+V)。结论

污染环境下的随机Logistic模型

考虑污染环境下的随机Logistic模型,利用随机微分方程理论给出了种群随机弱平均持久和局部灭绝的条件,并在一定条件下得到了阈值.