逐步回归与判别分析的应用研究--在乳腺疾病建模中的应用

体内激素紊乱是导致乳腺疾病发生的重要原因，将逐步回归法与Fisher判别法结合应用于乳腺疾病建模中，对乳腺疾病与6种内分泌激素及患者年龄的关系进行了多元线性判定分析，建立了变量与相关疾病的逻辑回归模型与判别模型，该模型通过实际应用，判别效果较好，有助于乳腺疾病的诊断。     

多自变量的交互作用对因变量的影响

在数学问题中,自变量和因变量的关系巧妙而复杂,掌握如何探究多个自变量对一个因变量的影响十分重要,亦是建立数学模型前必须要解决的问题.以2022年全国大学生数学建模竞赛C题为例,详细阐述了如何层层递进地研究多个自变量与一个因变量之间的关系.通过利用统计软件SPSS27.0,建立了二元logistic回归模型,得到了多个自变量对因变量影响的显著性结果,证实了自变量之间的交互作用对自变量与因变量间的关系有较大的影响.     

Logistic回归模型分析应用

回归是研究一个或多个自变量与一个因变量之间是否存在某种线性关系或非线性关系的一种统计学分析方法。而Logistic回归是概率非线性回归模型,是研究分类观察结果与一些影响因素之间关系的一种多变量分析方法。本文对Logistic回归模型进行推导,得到其概率密度函数,并对其性质进行分析,得到单调性、对称性等性质。并通过推导,可以计算出其优比,即成功胜率。最后通过某医院得到的数据,对于急性心肌梗死(AMI)患者能否成功的危险因素调查病历进行Logistic回归分析,得到了一些结论。     

Logistic回归模型分析应用

回归是研究一个或多个自变量与一个因变量之间是否存在某种线性关系或非线性关系的一种统计学分析方法.而Logistic回归是概率非线性回归模型,是研究分类观察结果与一些影响因素之间关系的一种多变量分析方法.本文对Logistic回归模型进行推导,得到其概率密度函数,并对其性质进行分析,得到单调性、对称性等性质.并通过推导,可以计算出其优比,即成功胜率.最后通过某医院得到的数据,对于急性心肌梗死(AMI)患者能否成功的危险因素调查病历进行Logistic回归分析,得到了一些结论.     

线性回归分析中自变量间的相关性问题

本文讨论了回归分析中当自变量间存在很强的线性相关关系时,如何合理地选择自变量,以及如何进行自变量间的相对相关性程度分析等问题。     

高频超声显像对乳腺疾病的诊断价值

目的 :探讨高频超声显像对乳腺疾病的诊断价值。方法 :对 91例经手术和 /或病理学检查证实的乳腺疾病的高频超声显像结果进行回顾性分析。结果 :91例中 ,高频超声显像与手术和 /或病理学诊断符合率为 93.4% (85 / 91) ,其中副乳腺、急性乳腺炎 /乳腺脓肿和男性乳腺增生症诊断符合率为 10 0 % ;乳腺病诊断符合率为 85 % ,良性乳腺肿块诊断符合率为 88% ,乳腺癌诊断符合率为 93%。结论 :高频超声显像可以显示乳腺内微小病变以及病灶内细微结构 ,诊断符合率高 ,是一项新的乳腺疾病早期诊断和乳腺癌普查的无创性检查     

积分回归在气候要素分析中的应用

运用积分回归分析法研究了某市降水与年逐月气温的关系。建立了积分回归模型，求出了原自变量的回归参数，从而反映出降水与年逐月气温的相关性质和相关程度，有一定实用价值。     

一元整体线性回归模型解算

主要讨论了最常用的一元线性回归问题,分析了同时顾及自变量和因变量误差回归解算的相关问题,对采用同时考虑自变量和因变量误差的条件平差解算法,通过分析得出其解算出回归参数的估值与不考虑自变量误差情况下回归参数的估值一致,同时给出了同时考虑自变量和因变量误差的整体最小二乘解法,通过算例分析得出了整体最小二乘法解算的有效性.     

函数型累积Logistic回归模型研究与应用

该文针对响应变量为有序多分类标量数据，协变量为函数型数据构建函数型累积Logistic回归模型，并在贝叶斯分析框架下构造Gibbs抽样算法解决参数估计问题.具体解决流程为：首先，通过潜变量连接有序响应变量与函数协变量间的关系，同时对回归系数函数和回归函数型自变量选取主成分基函数进行展开，设置潜变量模型误差项服从Logistic分布.再利用Polya-Gamma变换解决模型似然函数的复杂性，并求得回归系数展开系数的后验分布从而构建Gibbs抽样算法.最后将该方法应用与模拟数据和实际空气质量指数(AQI)的分析，结果显示能较好地对模拟数据和空气质量指数(AQI)污染状况进行分类.     

PLS回归应用实例

在研究因变量y与p个自变量的线性回归关系时 ,常遇到自变量间存在多重共线性的问题。文献 [3]介绍了用PLS回归来消除多重共线性的方法。本文通过两个例子的计算建立PLS回归 ,并发现了PLS回归实施过程中的若干问题 ,提出了一些自己的看法     

基于Logistic算法的考研成绩变量预测方法

针对传统考研成绩变量预测方法的变量关联性低,导致预测结果存在较大误差的问题,提出基于Logistic算法的考研成绩变量预测方法.收集并处理历年考研成绩数据和学生成绩数据,作为成绩变量预测的初始数据.设置考研成绩的预测变量,建立Logistic回归分类算法模型,通过该模型的运算提高考研成绩变量之间的关联性.综合历年考研成...     

多气体传感器信号样条回归信息处理

用样条回归分析方法于电子鼻系统中多气体传感器信号信息处理。针对牛肉样本建立了牛肉新鲜度样条回归模型，并对该模型进行了回归分析。研究结果表明，所提出的方法适用于电子鼻系统对牛肉新鲜度检测中的信息处理。     

融合Logistic回归与Tabnet模型的P2P网贷违约预测方法

结合P2P网贷平台的特点,融合Logistic回归和Tabnet模型,提出一种P2P网贷违约预测方法。采集人人贷平台借贷数据,并对数据进行清洗与加工预处理;通过信息价值法和相关性分析,对众多解释变量进行筛选,以借款状态作为因变量,采用Tabnet神经网络进行训练,根据训练得到的特征重要性选择关键的解释变量;将Tabnet神经网络预测结果作为新的训练数据集,构建Logistic回归模型;将人人贷数据集输入Logistic回归学习与训练,以训练好的Logistic回归用于网贷违约预测。实验结果表明,Tabnet模型的网贷违约平均预测准确率和精确率分别为9958%、9547%,Logistic回归的平均准确率和精确率分别为9872%、9221%,而融合模型的平均准确率和精确率分别为9960%、9672%;在3个测试集上的准确率标准差分别为0001 4、0000 6、0000 5,精确率标准差分别为0034 4、0013 3、0013 2。表明融合Logistic回归与Tabnet的网贷违约预测方法具有Logistic回归模型的可解释性与稳定性,可提高单一模型的预测精确度。     

Influence of Spatial Features on Land and Housing Prices

The analysis of hidden spatial features is crucial for the improvement of hedonic regression models for analyzing the structure of land and housing prices. If critical variables representing the influence of spatial features are omitted in the models, the residuals and the coefficients estimated usually exhibit some kind of spatial pattern. Hence, exploration of the relationship between the spatial patterns and the spatial features essentially leads to the discovery of omitted variables. The analyses in this paper were based on two exploratory approaches: one on the residual of a global regression model and the other on the geographically weighted regression (GWR) technique. In the GWR model, the regression coefficients are allowed to differ by location so more spatial patterns can be revealed. Comparison of the two approaches shows that they play supplementary roles for the detection of lot-associated variables and area-associated variables.     

一类基于偏最小二乘回归分析的成分数据预测模型

针对“因变量和自变量都是成分数据的前提下，如何建立它们之间的线性回归”的基本问题，以经典线性回归分析法为基础，结合对称Logratio变换，建立了一种基于偏最小二乘回归分析的成分数据预测模型，并对该模型进行了理论实证分析，论证了该模型的可行性与优良性，从而为解决具有成分数据信息的多重相关变量回归问题提供新的途径．     

不同被解释变量选择对决定系数R2的影响研究

考虑了一元线性回归模型中不同被解释变量选择对决定系数的影响，在一定条件下，证明了不同被解释变量回归模型的决定系数存在特定关系。     

体育专业毕业生就业影响因素的Logistic回归分析

为了探讨影响体育专业毕业生就业的主要因素,对114名体育教育专业毕业生的16个因素(自变量)与就业(应变量)的关系进行了非条件logistic回归分析.结果显示:身高、篮球、排球、田径和普通课的成绩与就业呈正的联系,武术、足球和计算机的成绩与就业呈负的联系;Logistic回归模型的Omnibus TestsX2检验结果均有显著性;Hosmer andLemeshow拟合优度X2检验P=0.392;模型总预测正确率为89.47%.结果提示:身材高,篮球、排球、田径、普通课成绩好的学生容易就业,但他们往往足球、武术、计算机课的成绩较差.建议高校根据社会对体育人才的需求,深化教育改革,培养具有较好的身高和基本素质,又具有专业特长的适用性人才.     

响应变量缺失下变系数模型的分位数回归

针对响应变量随机缺失情况下变系数分位数回归模型的非参数估计问题,提出了将B样条和逆概率加权相结合的估计方法。缺失数据在统计工作中难免会遇到,首先用logistic模型产生响应变量的缺失概率,然后对变系数模型的系数函数采用B样条逼近技术,利用缺失概率构建逆概率加权分位数回归的损失函数,得到模型的未知系数函数估计;在模拟研究中,将得到的估计与直接使用完全数据的估计方法进行对比,发现在响应变量随机缺失下,将B样条和逆概率加权相结合的变系数模型分位数回归在有限样本情况下表现良好,模拟研究结果表明该方法有效;最后将所研究的方法运用到挪威公共道路管理局收集的奥斯陆地区相关数据中,研究了空气中二氧化氮浓度与道路车流量和风速之间的关系,得出合理的结论,进一步证明了该方法的合理性。     

基于STR模型的CPI波动与货币供应量关系的实证分析

针对居民消费价格指数(CPI)的波动与货币供应量之间的关系,若用线性回归来研究,将会忽略这样两个问题:1)此函数关系是否一成不变;2)它们之间的影响是否存在对称性。本文以非线性STR模型技术来分析两者之间的非线性、非对称关系。研究发现,以logistic函数作为过渡函数的STR模型能很好地描述CPI波动与货币供应量的非线性动态关系。模型表明,在1993年1月到2010年12月期间,中国CPI波动与货币供应之间存在明显的非对称性,具有很强的非线性特征,两者之间存在机制转换动态特征。紧缩的货币政策机制下,CPI波动加剧;从宽的货币政策机制下,CPI波动主要由市场经济自我调控。