利用小波分析进行粗差定位

在测量数据处理中，为了克服粗差对数据分析的影响，采用的办法之一是定位，删去粗差。通过小波多分辨分析方法对测量数据进行处理，可有效地发现和定位其中的粗差，并举一半参数模型的例子加以说明。     

半参数回归模型的稳健估计

考虑半参数回归模型yi＝Ti^Tβ g(ti)-εi i=1,2,…n,先由稳健估计的原则得出β^Λ和g^Λ（t)，然后基于影响函数得出这些估计的方差——协方差矩阵。     

葡萄叶面积测定方法的改进

对不同地点、不同年度、不同管理条件、不同品种、不同树龄的叶宽范围较宽(7.5～23.4cm)的葡萄叶片进行了叶宽与叶面积线性、乘幂、指数回归分析。结果表明,葡萄叶宽与叶面积的回归关系更符合乘幂趋势。据此建立了可较为普遍应用的利用葡萄叶宽速测葡萄叶面积的回归方程。如用线性方程,则需要根据不同叶宽范围建立方程。     

长期预报的相空间模回归法

考虑到因确定性系统的外在随机因素和内在随机性所造成的长期预报的不准确性,我们将有关的浑沌理论和数理统计理论结合起来,提出了d维相空间模回归预报法。经调试后,该模式的距平符号报准率一般不低于66％,而相对误差一般不大于10％。     

随机系数回归模型的多步预报公式

研究的随机系数回归模型为 y_t=sum from i=1 to s (β_i(t)x_i(t)+e_t) t=0,1,… 其中回归系数β_i(t)是对经典的定常系数的推广,并假定β_i(t),i=1,2,…,s为应用广泛的多元ARMA或ARIMA时序模型或关于时间t的某种函数.并依此给出y_t的多步预报递推公式可进行动态预报.此预报公式仍适用于系数时间序列为非平稳情况.在无初始信息情况下,此预报公式仍具有某种最优性质。     

广义协方差改进估计的优良性

对半相依回归线性系统,我们周期地使用迭加信息的方法,得出了回归系数广义协方差改进估计。这个估计系列的方差是单调不增的。它改进了回归系数的协方差改进估计。特别当m=2时,我们不对误差向量的分布及设计阵之间的关系作出任何假设,而得到广义协方差改进估计的极限便是BLUE的结果;当协方差阵未知时,得到了两步估计的表达式。     

应用目标规划于自适应回归预测的参数估计

本文应用目标规划和灵敏度分析对自适应回归预测模型的参数进行估计。此种估计参数的方法避免了在最小二乘估计中由于数据“异常”而造成计算结果的偏差。     

非线性计量经济建模变量选择

提出了非线性计量经济建模变量选择的一种方法。采用非参数回归方法确定最佳函数,通过主成分分析方法进行变量筛选,给出了相应的CE算法。仿真实验和计算实例验证了该方法的有效性。     

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．