有约束的多元线性回归模型的Mi nimax估计

在损失函数tr(B-B)'A(B-B)下给出B在线性估计类中的Minimax估计,研究了其性质.在一些特殊的情形下,该估计包括了多元功效岭回归估计(Ridge regression estimation),多元Stein估计等.     

基于多元线性回归模型的海西州地区糖尿病发病情况研究

通过EViews软件对青海海西州地区糖尿病发病例监测登记资料进行统计分析,同时进行多元回归模型拟合,观察与糖尿病发病率相关的一些因素的发展趋势,建立了多元线性回归模型,并进行了实际值与预测值的比较.     

多元线性回归模型参数的BC估计

考虑多元线性回归模型Y=XB+ε,其中E(Vec(ε))=0,Cov(Vec(ε))=V In,当设计阵X呈病态时,模型参数的LS估计不再是一个优良估计.为此,提出了一种有偏估计———BC估计.在均误差意义下,参数的BC估计优于它的LS估计,并证明了参数的BC估计是可容许线性估计.     

部分线性分位数回归模型的平均估计

模型平均估计可对不同候选模型中的参数估计量进行加权平均,能有效提高参数估计的精度,在经济、金融和管理等领域有着广泛应用。为提高部分线性分位数回归模型的参数估计效果,本文构造了基于兴趣参数的模型平均估计量并探究了其大样本性质。首先,利用B样条近似非参数函数,并通过极小化分位数损失函数来得出各候选模型的回归系数估计量,在局部误设定框架下推导了系数估计量的渐近分布;其次,基于候选模型中兴趣参数的估计构造出了模型平均估计量,并得出其渐近性质;最后,推导了覆盖真实参数的概率趋近于名义水平的置信区间。本文研究不仅丰富了平均估计的渐近分布理论,而且为兴趣参数构造了合适的置信区间。     

道路交通事故多元线性回归模型及其检验方法

根据多元线性回归分析基本原理,以道路交通事故数据为研究基础,依据我国道路交通安全法及实施条例等相关规定,选择导致道路交通事故发生次数和死亡人数比例较多的主要因素:超速行驶、无驾驶证与无牌照和酒后驾驶机动车等三个因素,建立道路交通事故次数的多元线性回归分析数学模型;重点结合显著性检验原理,对所建立的回归分析模型是否有意义以及如何检测导致道路交通事故发生的各个因素对回归模型的显著作用给出了检验方法,为合理、科学和有效地进行道路交通事故预测提供了理论依据。     

基于多元线性回归方法的地应力研究

地应力场是地质力学与岩石力学研究的基本内容之一,地应力的大小、方向及其分布规律是油气田勘探开发中地应力研究的主要内容。在研究地应力场的过程中,区域边界条件的确定是个难点也是关键部分。以任丘潜山雾迷山组三段为例,视区域边界荷载为未知数,目标井地应力为约束条件,基于多元线性回归方法确定出区域边界条件,利用Matlab求解得出区域所受边界力。研究结果表明,基于多元线性回归方法求得的地应力值与实际测量的地应力值吻合较好。     

线性回归模型参数LS估计r阶平均相合性的一个结果

考虑带常数项的一元线性回归模型yi=α＋xβ＋ei,1≤i≤n中常数项与回归系数的LS估计的r阶平均相合性之间的关系,得到一个r阶平均相合性的一个结果。     

多元线性回归模型在警力资源配置中的应用

警力资源配置状况反映了公安领导管理水平的高低,其中的定量分析方法也是当前中国公安学理论研究的难点.警力资源二次配置是解决警力不足的有效方法,多元线性回归模型是警力调整的理想数学模型.该文介绍了有关的统计理论,提出了应用多元线性回归模型进行警力资源配置的设想.优良的多元线性回归模型必须通过拟合优度R2、F检验等5种检验,对多重共线性和序列自相关性给予适当的处理.     

多元线性回归模型中的异方差性问题

对计量经济学模型中应用最为普通的线性回归模型进行了一些分析．指出模型的基本假设中“同方差性”不能满足，即出现了异方差性问题时，会出现哪些后果，应如何对模型作出调查，并介绍了目前使用较多的检验“异方差性”的方法．最后建立了我国消费函数模型．     

多元线性回归分析方法在计划决策系统中的运用

本文在计划决策的综合信息系统基础上，建立了预测年销售额的多元线性回归分析的数学模型，导出预测的回归方程。编制了计算机程序，完成了计算，并对结果进行了讨论。     

多元线性模型回归系数的混合估计

本文采用混合估计β_(?)~*来估计多元线性模型中的回归系数β=Vec(B),证明了当多元线性模型随机误差阵向量化的协差阵已知时,混合估计B(?)~*的均方误差MSE小于β的LS估计β~*的MSE。     

多元加权约束线性回归的影响分析

讨论了多元加权约束线性回归中最小二乘估计的影响问题 ,定义了度量影响的 3种诊断统计量 ,进一步推广和发展了已有文献的一些结果     

响应变量随机缺失下线性回归模型的自适应期望递归最小二乘算法

在响应变量随机缺失MAR机制的前提条件下, 针对线性回归模型,提出了一个新的期望递归最小二乘算法(Expectation Recursive LeastSquare, ERLS), ERLS方法巧妙的结合了EM算法和RLS的优点,自适应的递归估计回归系数, 从而避免了高维数据的相关矩阵的求逆困难.ERLS算法是实时自适应处理算法, 无需存储全部数据集,在观测数据存在野值时, ERLS算法优于LS方法.     

多元线性模型回归系数的根方估计

本文采用根方估计估计多元线性模型中的回归系数B,通过根方参数k值的选取,可使(k)=Vec((k))的均方误差MSE小于β=Vec(B)的LS估计B的MSE。本文还给出了选取k值的两种方法及一个应用实例。     

灰多元线性回归及其在搜索引擎中的应用

经典多元线性回归分析模型不能实时跟踪响应变量的动态变化和在大量样本中因出现病态数据而影响拟合效果的问题,基于灰色系统时间序列的特性,提出了将灰系统思想与经典多元线性回归分析模型结合,形成一种全新的模型——灰多元线性回归分析模型。实验结果表明,该模型不仅能更加准确地给出响应变量的变化趋势,而且能过滤掉少量病态数据,从而避免了对拟合效果的影响。将新模型应用到网站的搜索引擎中,通过对网站访问流量及各个关键字搜索频率,预测该网站下一阶段的网站的访问流量,预测结果可为网站的管理者提供决策支持的理论依据。     

多元曲线模型的条件最好线性无偏估计

研究行等式约束下的多元曲线模型，得到了条件线性可估的、惟一的最优线性无偏估计（BLUE）。     

多元协方差阵扰动模型的影响分析

讨论多元性回归模型的影响分析问题,获得了多元协方差阵扰动模型与原模型参数阵之间的最佳线性无偏估计(BLUE)的一些关系式;给出了度量影响大小的距离测度和它的计算公式.     

多元线性模型与最佳预测

运用多元回归模型方法建立了多指标预测模型,在矩阵损失下,利用正交投影阵及矩阵分析等知识找到了预测指标的最优线性估计类,且从中得到了几个最优线性估计,使其应用范围更加广泛.