基于自回归的高斯混合模型

聚类问题是当今统计学习界的热点研究问题,针对一般情形的聚类分析已经有具有了kmeans、高斯混合模型等,由于目前各种数据的细化,人们提出的聚类算法更多的倾向于研究某种特定的数据.在本文中,笔者提出了基于自回归的高斯混合模型,它假设模型是由符合自回归模型的高斯分布混合而成,算法利用EM算法,可以精确地估计混合模型中的自回归系数以及方差系数.     

各种最优定阶准则的自回归模型集成预报方法研究

本文采用人工神经网络方法，将目前国内外最为常用的几种自回归模型（ＡＰ（Ｐ））定阶准则确定的各种最优阶数的自回归模型进行集成预报试验。结果表明，集成预报模型的预报能力要优于每一种最优阶数的自回归模型，且具有一定的稳定性。这为平均温度的短期气候预测以及其它学科的预测研究提供了思路和方法。     

基于非线性时间序列的门限自回归模型建立

目前门限自回归模型是最受大家关注的预测模型。本文以太阳黑子非线性时间序列为研究对象,建立门限自回归预测模型。通过一些相关分析技术来确定预测模型中的门限区间个数和门限值的寻优范围,然后优化门限值和TAR模型的自回归系数。通过实验结果分析表明,门限自回归预测模型能够对非线性时间序列进行精确预测。     

用马尔柯夫分析法解决回归分析中的序列相关问题

1 问题的提出回归模型的一个假设是在 Y_t=b_0 b_1X_(1t) b_2X_(2t) … b_mX_(mt) ε_t (1)中各期的随机误差项εi是不相关,即 Cox(ε_t,ε_t′)=0, t≠t′ (2)但在对时序数据回归时,这个假设有时不能满足,这种情况称为序列相关。如果存在序列相关,回归分析方法将会严重低估真实的方差,统计检验也将无效,很可能把实际上不重要的自变量当作重要的影响因素而接受,这样根据最小二乘法求出的模型参     

自回归条件异方差（ARCH）模型及应用

自回归条件异方差过程是一种新的随机过程,被用于研究时间序列。它展示了随机变量的一种关系：序列方差随时间变化而变化。本文给出估计方法、模型的检验以及一个实证例子。     

一类非线性回归模型LS估计的两步逼近求法

在用最小二乘法原理处理数据的非线性回归时,经常采用对非线性回归模型进行变量代换的方法,化为线性回归问题来解决。然而,经变量代换后所求得的LS估计,将使原模型失去“残差平方和最小”的意义,从而不能得到原模型的最佳回归系数。本文提出了一种两步逼近法可求得这类非线性回归模型的最佳回归系数,并通过两个实例证实这一方法十分有效。一、两步逼近方法的基本原理假设变量y与变量x=(x_1,x_2,…,x_(?))呈非线性关系,不妨表示为y=h(x,θ),θ为待估     

面向交通运输体系构建的货运量定量预测方法研究

文中研究面向交通运输体系构建的交通货运量的定量预测方法,分别对货运量预测中常用的时间序列预测法、趋势外推预测法、相关回归预测法和灰色预测法进行了简要的介绍说明,时间序列预测法假设预测对象仅与时间有关,是对外部因素复杂作用的简化;趋势外推法比较适合中、长期预测。使用回归分析等预测方法要考虑到各种影响因素;灰色预测法多适用于近期货运量预测,对于远期预测偏差较大。     

我国寿险需求影响因素的实证分析

应用自回归分布滞后模型对我国寿险需求进行了实证研究。与已有的研究相比，本文消除了保费收入数据中因统计口径变化带来的影响，建模时考虑了时间序列的平稳性，而且考查了更长的时间跨度。研究表明，国内生产总值的增长和寿险业自身的发展是寿险需求增长的根本原因，实际利率和少年儿童赡养(抚养)率对寿险需求也有显著的影响，社会的老龄化、预期通货膨胀率和不断提高的教育水平对寿险需求的作用并不显著。     

自回归模型参数估计方法的仿真比较

自回归模型（AK模型）是最常用的平稳序列模型之一,文章在模型阶数已知的情况下,重点研究AK模型中未知参数的Yule—Walker估计和最小二乘估计,进行仿真计算,并对计算结果进行比较分析。     

解决回归分析中自相关问题的一种稳健方法

1 前言在文献[1]中对回归模型■中的序列相关即随机误差ε_i相关的问题,给出了一种马尔柯夫分析法,该方法过程简明,且能收到较好的效果。但亦如文献[1]所指出的,该方法的分析结果受到过程中状态划分的直接的影响,即不具有稳健性,当其中的某个数据出现小的扰动时,将对分析     

信号的自回归模型在电力设备故障检测中的应用

电气设备是电力系统的基本元件,随着电网的复杂化和规模化,电气设备故障检测对保证供电可靠性越来越重要。由于电本身特性和复杂的网络环境,电力设备故障信号具有很强的随机性。目前广泛应用于生物医学、通信、图像处理、故障诊断等领域中。本文介绍了自回归模型的概念和建立自回归模型的基本原理,结合故障检测方法和原理,提出应用自回归模型进行电力设备故障检测的一般步骤,并用matlab仿真结果证明所提方法的正确性。     

管理实证研究中的统计控制误用分析及改进

在管理实证研究中,统计控制误用的情况尚未得到足够重视。解释了控制变量的概念和统计控制的应用原理,并分别分析了控制变量与理论构念或测量指标相关的情况下,统计控制对分析结果的影响。通过分析表明,当控制变量与理论构念相关时,常用的统计控制方式——分层回归分析所检验的并不是自变量对因变量的总解释度,而是在考虑控制变量的情况下增加解释度;而当控制变量与测量指标相关时,分层回归分析并不适用。针对以上问题,提出了相应的统计应对策略。     

中国科技金融对科技创新贡献的动态综合估计研究——基于自向量回归模型的实证分析

采用向量自回归模型,根据1991—2011年相关数据对我国科技创新的科技金融支持的动态贡献进行了实证研究。结果表明,证券市场筹资、中长期信贷与科技创新正相关,对科技创新具有显著的促进作用;在冲击效应的存续时间方面,长期内证券市场筹资与中长期信贷对科技创新效果均具有正效应,证券市场筹资对科技创新的成果转化和产业化阶段作用较为明显,中长期信贷对研发阶段与成果转化阶段的作用显著。     

线性回归在需求预测问题中的应用

线性回归是重要的统计方法。文章从一元线性回归模型入手,结合实例对模型进行了应用;在此基础上结合人才需求预测这个实际背景重点对多元线性回归模型进行了应用。对改进后的模型分别结合实例进行了验证,取得了较好的效,果,可为需求预测问题的求解提供一种新的思路。     

函数系数自回归时间序列的异常值估计

本文介绍了函数系数自回归时间序列的异常值的一些相关背景研究及理论,并着重介绍了函数系数自回归模型(FAR);第二部分从理论上进行分析在函数系数自回归模型基础上的异常值鉴别、估计;第三部分进行了模拟实验;最后一个部分对全文作了总结,指出了方法的缺陷以及对后续研究的展望。     

股票收益及风险的自回归估算模型

股票收益及风险的自回归估算模型戎刚（南开大学经济研究所３０００７１）ＡＡｒｍｏｎＥｓｔｉｍａｔｉｏｎｏｆＧａｉｎｓａｎｄＲｉｓｋｏｆＳｔｏｃｋｓＲｏｎｇＧａｎｇＩｎｔｈｉｓｐａｐｅｒ，ｔｈｅｓｉｍｐｌｅＡＲＭ（ａｕｔｏ－ｒｅｇｒｅｓｓｉｖｅｍｅｄｅｌ...     

我国地价、房价与租价多重协整关系实证研究

大量研究表明,当时间序列属于非平稳过程时,判断变量间的因果关系将十分困难。而作为计量经济学的新流派,协整理论及误差修正模型很好地解决了时间序列的非平稳问题。通过实证分析的方法,证实了土地,房屋及其租赁价格三个时间序列满足同阶平稳,通过向量自回归（VAR）模型证实了它们之间存在着多重协整关系,进而得出三者之间的因果关系。     

水电系统中长期水文预报方法研究

水库径流预测一直是水文水资源研究领域最重要的问题之一,本文将自回归预报方法应用于水库中长期径流预报当中,建立水文预报模型。实验表明,自回归预测在径流预报中有较好的实用性和广泛的应用前景。     

季节性自回归模型在黄河水质预测中的应用初探

尝试将季节性自回归模型引入黄河水质预测中,并且用于测潼关断面溶解氧（DO）,总体效果较为满意。     

线性回归与时间序列加法预测模型

线性回归和时间序列预测模型各有千秋,本文将它们结合起来,提出了一种线性回归与时间序列加法预测模型,它提高了拟合度和预测能力。