线性模型选阶的一个新准则

本文给出了新的线性模型选阶准则Λ。由Λ推广得到的Λα。在适当选取α之后，能够浙近正确地选出真模型的阶数，文中讨论了ＡＩＣＣ和Λα的选阶比较问题。     

回归模型及其优化识别

模型的选优问题,是统计推断中最重要的问题之一,随机影响为正态分布的回归模型,用ＡＩＣ准则可以进行很好地识别,针对这一问题,讨论最大熵原理,最小ＡＩＣ准则和最大假然函数的关系,列举了几种典型的回归模型,指出了模型识别过程中应注意的几个问题。     

IC中心设计的一种改进方法

本文利用回归模型作为ＩＣ的影象模型，按照控制变量Ｍｏｎｔｅ－Ｃａｒｌｏ分析方法进行ＩＣ成品率估计，将一维搜索法与随机逼近优化法相结合进行ＩＣ中心设计，实例证明了该方法的可行性和实用性。     

AICAIS的设计与实现

ＡＩＣＡＩＳ（ＡｌｇｅｂｒａＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｅｒＡｓｓｉｓｔｅｄＩｎｓｔｒｕｃｔｉｏｎＳｙｓｔｅｍ）是关于初中代数的智能计算机辅助教学系统。本文介绍了ＡＩＣＡＩＳ的系统结构，并分别从知识表示，学生模型的建造、教师模型实现方法介绍了ＡＩＣＡＩＳ的设计方法。     

AICAIS的设计与实现

ＡＩＣＡＩＳ（Ａｌｇｅｂｒａ Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｍｐｕｔｅｒ Ａｓｓｉｓｔｅｄ Ｉｎｓｔｒｕｃｔｉｏｎ Ｓｙｓｔｅｍ）是关于初中代数的知识计算机辅助教学系统。本文介绍了ＡＩＣＡＩＳ的系统结构，并分别从知识表示，学生模型的建造、教师模型实现方法介绍了ＡＩＣＡＩＳ的设计方法。     

居民消费价格指数的ARCH模型及实证分析

本文根据居民消费价格指数时间序列（CPI）数据本身的特点,建立了CPI的自回归模型、一到三阶ARCH模型。比较各个模型参数,得到CPI短期预测最优模型为自回归一阶ARCH模型。预测效果图表明：自回归一阶ARCH模型在预测趋势突变时会有一定的滞后性。     

秩回归模型用BIC建模的相容性及应用

文[1]提出秩和回归模型预测方法,本文研究用BIC准则选择秩回归变量的相容性问题和建模原则,给出具体的模型设计方法,并在气象预测应用中效果良好。     

利用软件SAS/OR建立最小最大化准则回归模型

建立回归模型一般使用最小二乘法，但在某些场合建立最小最大化准则回归模型更有意义。本文给出了利用SAS／OR软件建立最小最大化准则回归模型的方法。     

一种确定自回归滑动平均模型最小阶次的新方法

针对经典Akaike信息准则(AIC)在模型定阶时缺少阶次范围下界而引起的模态遗漏问题,根据稳态图和AIC准则,提出了一种自回归滑动平均模型在模态参数辨识中的定阶方法.该方法先利用稳态图能够鉴别真假模态的特点,进行各阶模态频率的估计和均值的求取,进而根据模态稳定性判定准则计算出阶次范围下界,最后利用AIC准则确定最优的模型阶次.仿真结果表明,与经典AIC准则相比,所提出的方法定阶后进行模态参数的辨识,不仅识别出了经典AIC准则遗漏的第3阶模态参数(误差为0.18%),而且使第1、2阶模态参数的精度分别提高了2.31%和6.31%.对悬臂梁的模态实验结果表明:该方法不仅辨识出了经典AIC准则遗漏的第1阶模态参数,使其误差仅为0.62%,而且也大大提高了其他各阶模态参数的精度.     

错误指定模型中回归系数混合估计的小样本性质

在均方误差矩阵（ＭＳＥＭ）准则和ＰｉｔｍａｎＣｌｏｓｅｎｅｓ（ＰＣ）准则下,本文比较了错误指定的线性回归模型中回归系数的混合估计相对于最小二乘估计的优良性     

CAR模型的阶与时滞的强一致估计

研究随机线性反馈控制系统的结构辨识问题。在已知时滞的下界和模型阶的上界的假定下，通过使修改的Ｂａｙｅｓｉａｎ信息准则最小化，推导出由多输出多输出ＣＡＲ模型描述的系统的未知阶与时滞的估计算法，证明了算法是强一致收敛的，且能在有限步内达到其模型结构参数的真值。讨论了当模型的参数矩阵不满秩时减弱条件Ｈ＇３的强一致估计算法。     

肺胸系统时变频率特性研究

应用自回归（ＡＲ）模型方法，对正常肺胸系统与支气管一气管系统进行了建模分析，研究了上述两系统的时变幅频特性，实验结果表明：正常肺胸系统有一个共振峰，其共振峰频率随时间变化，系统可建模为一稳定的６阶线性ＡＲ滤波器，正常支气管一气管系统有２－５个共振峰，其系统可模拟为一稳定的１４阶线性ＡＲ滤波器，ＡＲ建模方法是肺胸系统分析的有效方法。     

具有线性前馈环节的高阶系统跟随低阶模型的MRACS设计方法

以往的ＭＲＡＣＳ设计方法都存在的正反馈环,且属同阶跟随同阶的情况．正反馈环的使用往往存在会使系统不稳定的特点,本文用线性前馈环节取代了正反馈环,解决了稳定问题,提高了抗噪声能力,并把原来同阶系统跟随同阶模型的方法,推广为高阶系统跟随低价模型的ＭＲＡＣＳ设计。     

几类最小一乘估计模型的求解

本文探讨了应用最小一乘准则的多种线性和非线性回归模型,推导了各种模型中未知参数的最小一乘估计形式,并给出最小一乘准则求解的基本过程,实现了未知参数最小一乘估计求解的统一.     

基于半连续两部模型的保险损失预测

【目的】提高保险领域中保单累积损失预测的准确率。传统的Tweedie回归模型只能对非零均值建立回归模型,却不能对零概率建立回归模型,从而导致该模型的拟合效果并不理想。【方法】考虑到保单损失数据中往往包含着大量的零索赔,此时可视其为一种半连续型数据。因此,基于半连续两部模型,并考虑到累积损失中非零连续部分的分布类型,提出3种不同的累积损失预测模型,并结合一组实际损失数据进行模型对比分析。【结果】与Tweedie回归模型相比,本研究所提出的半连续两部回归模型的赤池信息准则值(Akaike information criterion, AIC)和贝叶斯信息量准则值(Bayesian information criterion, BIC)更小,具有较好的拟合效果。【结论】本研究结果可为保险领域中的保单累积损失预测提供参考。     

多元广义压缩最小二乘估计

引进了多元线性模型中回归系数β＝Ｖｅｃ（Ｂ）的广义压缩最小二乘估计β（Ａ），讨论了它的均方误差与均方残差的性质，指出了根据均方误差准则选取Ａ值的主要缺陷，采用了一种选取Ａ值的新准则Ｑ（Ｃ），它包含均方程差准则和最小二乘准则作为特例，并从理论上证明了Ｑ（Ｃ）准则的优良性。     

线性模型信息准则的稳健性

在不需要假定：１）被选模型包含真实模型；２）误差分布为正态分布的条件下，应用作者定义的广义Ｋ－Ｌ差异度，得到了自变量选择的广义Ｋ－Ｌ差异度准则。这个准则包含了所有信息准则作为它的特例，由此说明信息准则具有稳健性。     

非负门限自回归模型NTAR（1）

本文对一阶非负门限自回归模型ＮＴＡＲ（１）作了讨论，指出ＮＴＡＲ（１）模型有很强的实际背景，用马尔克夫理论证明了ＮＴＡＲ（１）模型的平稳性，几何遍历性，给出了矩的存在条件和参数估计。     

贝叶斯型的时变系数回归模型

提出了具有时变系数的回归模型及其模型识别和参数估计的贝叶斯方 法．在此模型中对于时变回归系数的变动，应用了高斯型概率差分方程式作 为约束条件，称之为高斯型平滑性事先分布．模型中的超参数（ｈｙｐｅｒｐａｒａｍｅ－ ｔｅｒ）的估计，采用了最大似然估计法．模型的识别（差分次数的决定）应用了 Ａｋａｉｋｅ的最小 ＡＢＩＣ法．给出了模型估计的算法及其应用例子．最后，讨论了 平滑性事先分布中参数的最优估计的意义．     

均匀设计对于一种特殊的非参数回归模型的优良性

在贝叶斯框架下,研究了一种特殊的非参数回归模型的最优设计问题,给出了贝叶斯非参数回归设计的准则,并在这一准则下证明了均匀设计在该模型下具有允许性和极小极大性.