我国寿险需求的结构分析

在既有研究成果的基础上,结合我国实际情况,综合考虑了影响我国寿险需求的经济因素、政策因素、人口因素、科技因素,并引入虚拟变量来反映1995年我国《保险法》和一系列配套行政法规及部门规章制度制定以后对保险业的影响。以1990~2008年的相关数据为基础,运用多元线性回归、岭回归等统计方法,借助SPSS13.0统计软件,通过建立岭回归模型对上述因素进行定量分析,对寿险需求进行结构分析。结果表明：居民收入是寿险需求的决定性影响因素,而GDP、社会保障支出、科技投入、人口因素对寿险需求都有正的效应,而通货膨胀对寿险需求有抑制作用。     

鄱阳湖出湖流量时序变化特征与驱动因子分析

长江中游与鄱阳湖及五河构成复杂的“江-湖”系统,研究阐明鄱阳湖出湖流量的时序变化特征与驱动因子,是调控改善江湖关系的关键所在。本文在初步选取12个潜在的出湖流量驱动因子基础上,有机结合相关系数判别和主成分分析方法,揭示了不同潜在驱动因子间的多重共线性;进而通过构建出湖流量数学模型,量化了不同潜在驱动因子对出湖流量的相对重要性排序及其影响程度。研究结果表明：（1）赣江、抚河、饶河、修水的入湖流量,湖区星子站水位,三峡出库流量等6个驱动因子间不存在多重共线性,可完整表征五河来流、湖区水位、长江干流的多重驱动作用;（2）运用基于随机森林回归方法的出湖流量数学模型,揭示了湖区水位、长江干流来流、赣江入湖流量是最为重要的驱动因子,并且其对出湖流量的影响呈现复杂的非线性特征。研究表明：影响出湖流量的众多驱动因子之间关系复杂但影响程度有所差异。这为科学调控典型通江湖泊江湖关系提供了重要参考依据。     

基于LASSO回归模型的网贷借款成功影响因素挖掘

随着P2P网络借贷交易量的增大,对P2P交易数据的挖掘和分析备受关注,其中一项重要的研究课题是网络借款成功率的影响因素分析.现有的文献多采用线性回归方法对该课题进行研究,但未考虑变量之间的多重共线性和采用最优变量子集建立回归模型的问题.本文采用Lasso回归方法,建立最优变量子集的回归模型对影响网络借款成功率的因素进行分析,避免了多重共线性问题对模型的干扰,同时提高了模型对数据的拟合精度.对Lending Club平台的借贷数据的实证分析结果显示,本文方法在模型的拟合精度和避免共线性方面优于对比方法.     

复共线Gauss-Markov模型参数估计的最小描述长度方法

Gauss—Markov模型是多元数据分析处理工作中常用的模型,其参数估计与筛选一直是研究的热点。当Gauss—Markov模型的设计矩阵存在复共线性时,常用主成分分析方法来筛选和估计其参数,消去它们之间的复共线性,提高估计准确度。基于最小描述长度原理,提出了一种新的参数筛选估计方法。该方法应用最小描述长度原理选择主成分作为参数,其参数的可靠性较高;从信息的角度看,这种方法的信息损失最小。最后实例说明了该方法的有效性和可靠性。     

数控机床温度敏感点变动性及其影响

数控机床热误差补偿技术中的核心问题是建立能够反映机床温升与热误差之间的数学模型,其精度和稳健性则取决于模型自变量能否准确地反映机床温度场分布特性,即温度敏感点选择结果是否准确和稳定。通过对Leaderway-V450型数控加工中心主轴Z向的多批次空转数据进行分析发现,温度敏感点存在变动性特征,导致自变量间多重共线性程度发生变化,进而对模型的预测精度和稳健性产生严重影响。由于主成分回归算法具有消除自变量共线性影响作用,故提出采用该算法进行建模,并通过实际机床进行实践检验。结果表明,采用主成分回归算法建模,显著降低了温度敏感点变动性对模型预测精度的影响,能保证模型具有很好的预测精度和稳健性。     

利用因子分析法建立企业竞争力评价模型

在研究企业竞争力评价时,指标变量间信息的高度重叠和高度相关性,即存在多重共线性,将给统计方法的应用带来许多障碍,致使回归方程参数不准确甚至模型不可用.因子分析是主成分分析的推广和发展.本文运用实证分析将因子分析法引入企业竞争力评价中,通过对解释变量提取彼此无关的主成分,把相关性较强的自变量综合在一起,各因子彼此独立,尽可能取小残差绝对值和大累计方差百分比,使企业竞争力评价模型既克服了共线性的干扰,又能够充分利用原有的信息.     

顾客满意度线性建模中多重共线性处理方法的模拟研究

多重共线性会给顾客满意度线性建模带来很大的危害。本文综述了四种处理多重共线性的方法,即逐步回归法、岭回归法、主成分回归法和偏最小二乘法,并使用蒙特卡罗方法,对这四种方法在建模可靠性、模型解释能力及模型预测能力方面进行了仿真比较。结果表明,存在多重共线性时,偏最小二乘法的建模效果最为理想。     

土石坝渗流监测统计模型的变量分离方法

统计回归模型是土石坝渗流安全监测分析中最常用和相对成熟的数学模型,通过分离变量分析环境量对效应量的影响特性是进行土石坝渗流安全评价的重要途径之一。针对采用最小二乘法分离土石坝渗流统计回归模型各影响分量时存在的因子多重共线性问题,提出了基于主成分分析的变量分离方法,并将其应用于冶勒混凝土心墙堆石坝的变量分析中。实例应用结果表明,该方法能有效避免因模型因子间的多重共线性而造成的回归系数不合理和分量峰值错位的问题,提高了分量分离结果的力学规律一致性与结构特性变化的吻合度。     

基于偏最小二乘法的RoboCup传球研究

传球动作是RoboCup仿真足球比赛得以进行的纽带,进球并赢得比赛是球队的最终目标,分析传球与比赛胜负的关系,采用数据挖掘的思想,用C语言程序解析仿真比赛日志文件的方法来收集所需的传球数据,基于距离将传球分为5种类型,以5种类型的传球作为解释变量,以比分作为因变量,采用偏最小二乘法搭建数学模型,用SIMCA-P软件进行仿真实验,并采用相关图形进行分析与说明。在包含解释变量72.8%、因变量74.4%信息量的情况下,5个解释变量对因变量的投影重要性指标值分别为0.081 14,0.996 66,1.028 9,1.088 06,1.325 73。实验结果表明,对传球来说,长传球对比赛胜负的影响最大。     

预测济南地下水位的BP神经网络模型及其改进

用BP神经网络预测济南市地下水位，并利用网络“截口”处连接权与阈值的信息，揭示了“过拟合”现象与输入神经元间的多重共线，是导致BP神经网络预测性能降低的主要原因．确定了以当年地下水开采量、前1年地下水位、当年降雨量为输入神经元，拓扑结构为3:3:1的改进的BP神经网络模型，预测了济南地下水位．结果表明，该模型的预测精度较高，相对误差约为6％．