计算机曲线拟合在非线性回归分析中的应用

详细探讨了利用计算机进行非线性回归分析的基本方法，提出了对一元非线性回归预测模型进行曲线拟合的计算机程序，分析了运用最优的拟合模型进行经济预测的结果和有关信息。     

非线性回归在轧钢件温降研究中的应用

应用多项式近似函数，用换元法将非线性回归转化为多元线性回归，求出轧钢件温降经验公式。     

非线性回归软件设计

本文介绍了DataProc实验数据处理软件功能之一－非线性回归，提出了非线性回归的一种方法，用此方法可对超越函数关系进行回归分析，并据此编制了应用软件，给出了软件应用实例二则。     

非线性回归模型在股价预测中的应用

非线性回归分析法是随机过程中一种常见的分析方法,它被广泛地应用于各个领域中。就此方法在经济中的应用,建立了一个非线性回归模型,并用实例分析了如何用此模型来预测股票价格的走势。     

多元非线性回归函数近似逼近的Thiele型插值方法

非线性回归问题中多元非线性回归问题也是值得研究的课题。本文利用二元Thiele型有理插值函数方法逼近一类多元非线性函数可实现回归函数的近似，并通过实例说明该方法的有效性。     

一元回归的数值解法

本文基于数值模拟原理,提出一元线性回归的数值解法,并分别就一元线性回归和一元非线性回归问题进行讨论,结论表明,一元线性回归的数值解法与数理统计解法结果完全吻合,但一元非线性回归的数值解法比所谓的线性化数理统计解法可靠,且对不可线性化非线性回归问题,用数值解法亦可求出回归结果。     

基于偏最小二乘法实现非线性回归分析

从应用的角度,提出了一种基于偏最小二乘回归和多项式回归相结合的多元非线性回归分析方法。通过理论分析及实例验证,指出该方法可以较好的进行多元非线性回归分析,具有较强的适用性。     

非线性回归函数参数估计的初值问题——以酶促反应回归函数为例

分析了非线性回归参数初始值的敏感性问题.以酶促反应回归函数的参数估计为例,给出了未知参数初始值的3种赋值方法及其SAS实现.为非线性回归分析的应用者提供依据与参考.     

可线性化回归方法的改进和拓展

改进了可线性化回归方法的理论，给出阿线性化回归新方法，利用实例说明，与传统回归法相比，新方法具有偏差平方和小、精确度高的优点，并在新方法的基础上进一步拓展，提出扫描回归方法，解决一类非线性回归问题，与马阔特（Marquardt)方法相比，所得回归曲线更理想，且所花计算机机时少。     

幂函数和指数函数回归模型参数的无偏估计及应用

本文给出了一类非线性函数、幂函数和指数函数回归模型参数的一种估计方法，用此方法计算幂函数和指数函数参数所得的残差平方和比用化为线性模型计算所得的残差平方和小得多。与精确的高斯－牛顿迭代计算结果相近，它比一般非线性回归迭代计算简单。     

DBL(1,0,1)误差非线性回归模型相关性和方差齐性的检验

讨论了具有双线性DBL(1，0，1)误差的非线性回归模型的相关性和方差齐性的检验问题，用Score检验方法给出了双线性项检验以及相关性和方差齐性同时检验的检验统计量，并用随机模拟验证了检验方法的正确性；推广和发展了具有线性序列误差回归模型的结果；最后将结果应用于DBL(0，1，1)误差的非线性回归模型。     

股票价格影响因素研究

以上证(A股)指数作为因变量，通过选取影响股市整体水平的指标，运用回归分析方法并结合SPSS软件建立了线性回归模型和非线性回归模型，分析得出了影响我国股票价格趋势变动整体水平的主要因素。     

删失非线性模型的中位数回归

研究了带有不完全数据的非线性模型的中位数回归问题.将完全数据线性回归模型的L1方法推广到随机右删失非线性中位数回归模型中,提出了一种估计非线性中位数回归模型参数的半参数方法,并得到了估计量的强相合性和渐近正态性.     

基于连分式插值理论的非线性回归问题

变量之间的关系不是线性相关关系时,不可以用线性回归方程描述它们之间的相关关系,需要进行非线性回归分析.然而非线性回归方程一般很难求,因此,把非线性回归化为线性回归应该说是解决问题的好方法.利用连分式插值函数方法逼近非线性函数可实现回归函数的拟合,通过实例说明该方法的有效性,比传统的最小二乘法效果更好.     

基于Logistic变换的回归正交试验模型

在解决线性回归问题时,回归正交试验具有较大的优越性,却无法解决非线性回归问题.本文依据广义线性模型的基本原理,针对非线性回归问题,引入Logistic变换,给出了基于Logistic变换的回归正交试验模型,实现了回归正交试验在非线性回归问题中的运用.将此方法运用到车险续保问题中,实例分析说明了该模型的可行性和有效性.     

一列非线性回归模型的LS估计

考虑一列非线性回归模型，对非线性项使用了一阶近似进而使模型转化为线性模型，得到了模型LS估计的迭代解，考察了解的渐近性质，证明了过程的可行性，最后对非线性项的特殊情形作了描述，其中1种情形可得到LS估计的精确解。     

基于回归神经网络的非线性动态数据校核及其应用

研究了简化型内回归神经网络基于自适应梯度下降法的训练算法，并提出了一种基于简化型内回归神经网络的非线性动态数据校核新方法，结果表明所提出的方法能够有效地对非线性动态过程进行数据校核，并具有良好性能，与传统的动态数据校核方法相比，所提出方法具有不需要掌握过程本身的精确模型，避免了过程模型误差可能带来的估计误差，不需事先知道测量噪声和过程噪声的统计特性等特点。     

国际贸易与经济增长:一个扩展模型

根据国际贸易和经济增长理论的最新发展，促进一国经济增长的主要因素有劳动、资本积累、土地（自然资源）、技术进步、社会制度环境和对外贸易。将传统生产函数的投入要素扩充，可以根据需要推导出多种要素增长促进经济增长的回归方程式。由于促进经济增长的诸要素之间存在复杂的相关性，多因素回归分析难以充分体现贸易对经济增长的促进作用，本文将采用贸易增长促进经济增长的单因素回归分析和贸易加速增长促进经济加速增长的回归分析，回归分析结果不仅证实了贸易增长能促进经济增长，而且发现改革开放后，制度创新和技术进步在经济增长中也发挥了重要的作用。     

回归分析法在企业经济系统中的应用研究

随着经济的全球化不断深化,经济现象越来越复杂。传统的线性回归分析和简单曲线函数拟合已经不适应这种经济形式的需要了。本文提出采用拟合非线性现象能力更强的二次回归函数来研究当前的经济形式。并将这一技术运用于某企业在当前国际金融风暴大背景下的自救措施评价。分析结果与实际情况吻合良好。并给企业指出了一套优化方案。     

基于条件生成对抗网络的稀疏样本回归预测模型

自生成对抗网络提出以来，基于生成对抗网络的拓展模型在图像处理等领域均有显著成效，但其在回归预测问题上的应用较少.在概率回归过程中，通过构建条件概率分布模拟特征与实际目标之间的潜在关系是一种常用方法，但在实际问题中条件概率分布过于复杂，似然估计难以捕捉.为此，首先分析高斯过程回归在稀疏样本回归预测中的预测精度，将其作为稀疏样本回归预测的基准线.通过分析条件生成对抗网络的构造，提出利用条件生成对抗网络解决稀疏样本回归预测问题.最终通过对比分析4种非线性模拟数据回归预测结果，发现提出的条件生成对抗网络模型相较基于Matern32核函数的高斯过程回归具有更好的预测精度.