居民消费价格指数的非参数自回归模型

利用我国2004年-2008年的居民消费价格指数数据,建立非参数自回归模型,并分别用线性最小二乘方法、正交序列方法和多项式样条方法进行了拟合和预测．结果表明,非参数模型优于线性模型;在三种估计方法中,正交序列估计方法优于其他两种方法．最后将模拟、预测的结果和刘春燕等建立的基于ARIMA模型模拟、预测的结果进行了比较．     

消费函数的非参数回归与实证分析

讨论了传统线性消费函数模型估计的不足,采用随机变量密度函数的非参数核估计和核回归,对我国2004年城镇居民的实际消费数据进行实证分析,结果表明非参数回归结果要优于线性回归.     

通货膨胀的非参数回归模型

通货膨胀对一个国家经济增长和人民生活的影响是不言而喻的,居民消费价格指数是衡量通货膨胀的重要指标.讨论了非参数回归模型的多项式样条估计方法后,运用我国居民消费价格指数和商品出口额的数据,建立了我国通货膨胀的非参数回归模型,并和线性回归模型的最小二乘估计及非参数局部线性回归估计的结果进行比较,结果表明,在估计和预测上,多项式样条方法都优于线性最小二乘估计和局部线性回归估计,能够更好的反映两者之间的关系.     

两类误差下回归函数估计的收敛速度

在收敛系统和混合序列情形下,研究了固定设计下非参数回归模型中的回归函数估计。在误差为收敛系统时,得到了较弱矩条件下该估计的收敛速度;在误差为同分布混合序列时,得到了该估计的收敛速度。     

商品零售价格指数的非参数自回归预测模型

为了更好地捕获我国商品零售价格指数的非线性特征,本文基于局部线性估计理论,建立了我国商品零售价格指数的非参数自回归预测模型,并应用此模型对我国2004—2007年的价格指数进行了预测分析.结果表明,相对于传统的ARMA模型,非参数自回归模型能够更好地解决我国社会商品零售价格指数预测这一非线性问题,而且预测精度较高.     

基于分位数回归模型的沪深股市风险测量研究

探讨了分位数回归理论相对于传统最小二乘回归模型在金融时间序列建模和风险测量方面的应用特点,分别采用滞后收益率、星期虚拟变量、滞后收益率的均值和方差作为解释变量的条件分位数回归模型,对1996-2004年期间中国沪深股市的在险价值（VaR）进行动态估计,实证研究了沪深市场存在的“VaR星期效应”行为,发现周内各日的VaR水平呈现显著的非均一性,且VaR后验测试结果优于不对称自回归条件异方差模型．结果表明：分位数回归模型适用于金融时间序列厚尾数据在高置信水平下的VaR估计,是一个有效的半参数风险测量方法和认识市场风险变化模式的途径．     

基于小波的非参数回归模型多变点检测

构造了基于小波系数的多变点检测算法,该算法可应用于非参数回归模型多变点检测.渚河水文时间序列实例分析结果表明,检测的结果与实际情况相符合.该方法不需要对时间序列做任何参数化的假定便能方便地检测出变点的位置,同时还能够给出变点个数的估计.     

半参数回归分析法在电力负荷预测中的应用

为了融合参数模型和非参数模型的优点,对半参数回归模型在电力负荷预测中的应用进行了研究.在原始数据预处理的基础上,运用相关性分析理论确定了半参数模型中的参数与非参数变量,构建了半参数回归模型;利用两阶段最小二乘法和权重系数法对回归系数和回归参数进行了估计.算例结果表明,半参数回归分析法具有较高的负荷预测精度和较广泛的适用范围.     

半参数模型误差为NA序列时的r阶矩相合性

考虑半参数回归模型，其中届ER为未知回归参数，g(-)为[0，1]上未知Borel函数，Antoniads[4]中给出了非参数回归模型的小波估计，本文利用小波光滑方法并综合最小二乘法给出了β、g(t)的小波估计β^^、g^^(t)，在误差为NA序列时，得到了β^^、g^^(t)的r(r≥2)阶矩相合性。     

部分线性变系数模型误差方差的估计

半参数模型既含有参数分量,又含有非参数分量,在保留非参数模型灵活性的同时又克服了"维数灾祸"问题.处理这类模型的方法融合了参数回归模型中常用的方法和近年来发展起来的非参数方法,但是也并非这2类方法的简单叠加,其复杂性和难度都超过了单一性质的回归模型.不同于文献中研究回归系数的统计推断问题,而是研究部分线性变系数半参数模型误差变量的方差估计问题.首先,利用局部常数化回归函数系数,将半参数模型转换为了高维线性模型,进而构造了基于最小二乘法的方差估计量,并证明了所得估计量渐近服从正态分布.为了减少最小二乘法估计量的均方误差,还提出了基于该线性模型的一类惩罚估计量,称之为岭估计.最后,通过数值模拟验证了所提2种估计方法的有限样本性质.     

统计调优法在麦草烧碱——蒽醌法蒸煮工艺中的应用

将正交多英式回归设计应用于麦草烧碱－蒽醌法蒸煮工艺中，在得出纸浆得率和硬度的回归方程后，以纸浆得率为目标函数，硬度为约束条件构成优化模型，应用计算机寻优，得到了在规定的硬度指标下得率最高的蒸煮工艺条件。     

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,针时非线性回归问题,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。     

测线调查样本的核函数密度推定中探知函数改良

考虑用最大似然法和核函数法对于测线调查的密度推定，选用4个核函数、3个最佳带幅宽；分别用2个探知函数生成计算机模拟测线调查数据，对两种密度推定法进行比较研究．     

铝合金旋转喷吹工艺的水模拟研究

从表征流态的物理量出发，利用模型的相似理论，通过计算建立了铝合金旋转喷吹除气系统的物理模型，以CO2－NaOH体系来模拟实际的铝淤争化，通过二次回归正交试验和计算得到气流量、转速与处理时间的二次回归方程，确定了获取旋转喷吹除气速率的最佳工艺参数。     

基于蝶形搜索的二维自相关血流速度估计方法

应用血流速度估计的彩色血流成像技术在血管疾病诊断中发挥着重要作用.在血流速度估计中,传统的基于二维自相关模型的方法会产生混叠,而更准确的蝶形搜索方法则十分耗时.提出一种二维自相关模型和蝶形搜索结合的血流速度估计方法.首先采用二维自相关函数模型利用相位信息进行超声血流速度估计,得到一个存在混叠的速度估计值序列,再通过采用基于正交信号成分的蝶形搜索方法,由速度序列确定蝴蝶线,每条蝴蝶线通过计算选择出真实的速度估计值.该方法不但实现了对血流速度估计混叠的抑制,还显少了计算量,其有效性得到仿真结果的验证.     

大麻纤维脱胶主要工艺参数与纤维分裂度关系的回归分析

在不同的脱胶温度、碱用量条件下对大麻纤维进行脱胶处理,测试了脱胶后纤维的分裂度。利用正交多项式回归分析方法对数据进行分析处理,确定了脱胶温度、碱用量与分裂度的回归方程。根据回归方程计算一定脱胶条件下大麻纤维分裂度的理论值与实验值误差为±0.49。确定的回归方程可以用于大麻纤维脱胶工艺条件的筛选。     

基于支持向量机的模糊回归估计

针对给定的大规模数据集的回归估计问题，提出基于支持向量机的模糊回归估计方法.该方法把复杂的数据集看作多个群体的混合，每个群体采用单一的回归模型进行描述，使得大规模数据集的回归估计问题变成了一个多模型估计问题.在此基础上把支持向量机与模糊C聚类结合起来得到基于支持向量机的模糊回归模型，并给出了实现该模型回归估计的算法.该方法对大规模的数据样本进行模糊C聚类，并回归估计各聚类的数据样本.数值仿真结果表明，该方法在聚类数据样本的同时能实现多个模型的回归估计，而且模糊隶属度的初始化影响要小于其他的模糊回归估计方法.