导读:本文包含了模拟回归论文开题报告文献综述及选题提纲参考文献，主要关键词:门槛回归,蒙特卡洛模拟,参数估计,检验功效
模拟回归论文文献综述
杨利雄,张春丽,李庆男[1]（2019）在《时变门槛设定下门槛回归模型有限样本性质的模拟分析》一文中研究指出门槛回归技术被广泛应用于经济管理问题的分析研究,相关文献表明时变的门槛值可能更符合应用背景。然而,当真实模型含有时变门槛时,常数门槛回归模型的性质并未得到考察。鉴于此,文章通过数据生成过程,结合蒙特卡洛模拟对门槛回归模型参数估计、假设检验等问题展开研究,分析参数估计的性质、假设检验的检验功效和检验水平。研究发现:典型的时变门槛设定下,门槛回归模型的参数估计具有严重的系统性偏差,且门槛存在性检验的功效十分低。(本文来源于《统计与决策》期刊2019年21期）
李伟南,林畅琪,廖海宁,潘敏仪,郜艳晖[2]（2019）在《随机效应-最大期望回归树模型的模拟研究与评价》一文中研究指出目的介绍随机效应-最大期望回归树模型(random effect-expectation maximization regression tree,RE-EM回归树)方法原理,比较RE-EM回归树与CART回归树在具有系统结构特征的纵向数据中的估计效果。方法通过计算机生成不同参数设置的模拟数据,比较在不同随机效应及残差存在相关结构的纵向数据中两种树模型对特征空间的预测能力,并通过均方残差指标对拟合效果进行评价。结果本研究所构建的RE-EM回归树在不同参数设置下的预测性能均优于CART回归树。结论 RE-EM回归树具有较强的预测性能,能准确预测特征空间且数据拟合效果好,相对于CART回归树具有明显的优势。(本文来源于《中国卫生统计》期刊2019年05期）
王娜,任燕燕[3]（2019）在《基于固定效应面板数据的Copula分位数回归及模拟》一文中研究指出文章将Copula分位数回归应用于面板数据,提出了一类面板数据非线性分位数回归模型,非线性分位数函数的具体形式由Copula函数类型所决定,借助最优化算法迭代求解可得到模型中未知参数的估计值。以Frank Copula分位数回归曲线为例,使用不同参数值生成随机数据对模型的估计效果进行检验,结果显示Frank Copula分位数回归曲线能更好地拟合数据的非线性相关关系。(本文来源于《统计与决策》期刊2019年19期）
陈宣全,崔宁博,李继平,徐浩若,刘双美[4]（2019）在《多元自适应回归样条算法模拟川中丘陵区参考作物蒸散量》一文中研究指出参考作物蒸散量(reference crop evapotranspiration, ET_0)是作物精准灌溉管理与农业高效用水的核心参数。为提高川中丘陵区气象资料缺省下的ET_0预报精度,利用不同的气象因子组合,建立15种基于多元自适应回归样条算法(multivariate adaptive regression splines, MARS)的ET_0预报模型。选取11个代表性气象站点1961—2016年逐日气象资料进行分析,将其与其他ET_0预报模型进行对比,并利用可移植性分析评价MARS模型在川中丘陵区的适用性。结果表明:基于温度和风速项输入的MARS_5(输入大气顶层辐射、最高气温、最低气温、2m处风速)、MARS_9(输入最高气温、最低气温、2 m处风速)和MARS_(13)(输入最高气温、2 m处风速)模型,以及仅基于风速项输入的MARS_(15)模型都具有良好的模拟精度;大气顶层辐射和风速是决定机器学习模型地域性适应能力的关键;引入大气顶层辐射后,MARS_6(输入大气顶层辐射、最高气温、最低气温、相对湿度)、MARS_7(输入大气顶层辐射、最高气温、最低气温、日照时长)、MARS_8(输入大气顶层辐射、最高气温、最低气温)模型均优于相同气象因子依赖下的Irmak-Allen、Irmak、Hargreaves-M4模型;通过可移植性分析发现,在训练站点和测试站点的随机交叉组合下,MARS_5模型保持了较高的精度(纳什效率系数和决定系数均大于0.985),且输出较为稳定的模拟结果,均方根误差变化范围为0.121～0.193 mm/d,平均相对误差变化范围为2.7%～4.2%。因此,基于多元自适应回归样条算法的ET_0预报模型可作为川中丘陵区ET_0预报的推荐模型。(本文来源于《农业工程学报》期刊2019年16期）
马俊美,卓金武,张建,陈渌[5]（2019）在《广义自回归条件异方差模型加速模拟定价理论》一文中研究指出研究了广义自回归条件异方差(GARCH)模型下方差衍生产品的加速模拟定价理论.基于Black-Scholes模型下的产品价格解析解以及对两类标的过程的矩分析,提出了一种GARCH模型下高效控制变量加速技术,并给出最优控制变量的选取方法.数值计算结果表明,提出的控制变量加速模拟方法可以有效地减小Monte Carlo模拟误差,提高计算效率.该算法可以方便地解决GARCH随机波动率模型下其他复杂产品的计算问题,如亚式期权、篮子期权、上封顶方差互换、Corridor方差互换以及Gamma方差互换等计算问题.(本文来源于《同济大学学报(自然科学版)》期刊2019年03期）
邸俊鹏,张晓峒[6]（2019）在《二元选择分位数回归模型的贝叶斯估计方法及模拟研究》一文中研究指出文章针对二元选择分位数回归模型的贝叶斯估计方法进行探索性研究。通过模拟实验比较分析了不同先验设定和不同抽样算法下贝叶斯二元选择分位数回归估计量的统计性质,以及贝叶斯方法与频率学派方法对二元选择分位数模型进行估计的优劣。结果表明,对二元选择分位数回归模型进行贝叶斯估计具有一定的优势,尤其是小样本下,估计效果更佳;而且采用Gibbs抽样得到的估计量精度更高,统计推断更准确,尤其是在高分位数下Gibbs抽样的优势更明显。(本文来源于《统计与决策》期刊2019年05期）
邹金,朱继忠,赖旭,谢平平,禤培正[7]（2019）在《基于时空自回归移动平均模型的风电出力序列模拟》一文中研究指出多风电场出力序列间的时空耦合相关性对风电并网下的电力系统运行具有重要影响。时空自回归移动平均(ST-ARMA)模型以较为简洁的形式对多维序列时空耦合相关性进行统计建模。针对多风电场出力时空序列的模拟问题,首先从时空序列的角度对风电场实测功率数据进行了统计分析,着重探讨了多风电场出力的时空耦合相关性。在此基础上,采用空间关系矩阵对风电场位置进行描述,并将其嵌入ST-ARMA模型的自回归过程建立多风电场出力序列的时空耦合相关性模型。该模型有效地模拟了实测风电场出力序列的时间相关性、空间相关性以及二者之间的耦合特性,可用于产生大量与实际风电出力统计特性相同的模拟数据,为风电并网下的电力系统运行与规划研究提供数据基础。(本文来源于《电力系统自动化》期刊2019年03期）
鲁立志,杨树新,姚瑞,郭启良[8]（2018）在《约束回归分析方法在地应力场模拟中的应用》一文中研究指出建立了叁维有限元模型,采用约束回归分析方法,对实际地应力场进行评估,使模拟结果更接近实际地应力场,为岩土工程地应力评估研究提供了一种有效方法。(本文来源于《科技与创新》期刊2018年23期）
朱森林,吴时强[9]（2018）在《高斯过程回归模型在河流水温模拟中的应用》一文中研究指出通过收集密苏里河叁个站点的多年实测水温、气温数据,建立了水温-气温的高斯过程回归模型.和传统的水温回归模型(线性、非线性及随机回归模型)相比,高斯过程回归模型的精度较高,各研究站点的相关系数值均较高(0.966 4~0.989 7),均方根误差值相对较小(1.978 4~1.495 0).高斯过程回归作为一种较为先进的机器学习方法,和其他机器学习方法相比,其突出的优点在于结合了许多机器学习任务,包括模型训练、不确定性分析及超参数估计等,该方法可以有效地应用于天然河流站点水温的预测.(本文来源于《华中科技大学学报(自然科学版)》期刊2018年10期）
刘玉坤,邢立国[10]（2018）在《基于TensorFlow的线性回归模拟及Python实现》一文中研究指出深度学习已经成为近几年来的研究热点。在诸多深度学习研究工具中,TensorFlow是最流行、最常用系统之一。对TensorFlow进行介绍,并给出一个线性回归案例,使用Python语言进行实现。由此,既可以对TensorFlow的入门学习者助一臂之力,又可以使深度学习的爱好者从中受益。(本文来源于《现代计算机(专业版)》期刊2018年29期）
模拟回归论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的介绍随机效应-最大期望回归树模型(random effect-expectation maximization regression tree,RE-EM回归树)方法原理,比较RE-EM回归树与CART回归树在具有系统结构特征的纵向数据中的估计效果。方法通过计算机生成不同参数设置的模拟数据,比较在不同随机效应及残差存在相关结构的纵向数据中两种树模型对特征空间的预测能力,并通过均方残差指标对拟合效果进行评价。结果本研究所构建的RE-EM回归树在不同参数设置下的预测性能均优于CART回归树。结论 RE-EM回归树具有较强的预测性能,能准确预测特征空间且数据拟合效果好,相对于CART回归树具有明显的优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模拟回归论文参考文献
[1].杨利雄,张春丽,李庆男.时变门槛设定下门槛回归模型有限样本性质的模拟分析[J].统计与决策.2019
[2].李伟南,林畅琪,廖海宁,潘敏仪,郜艳晖.随机效应-最大期望回归树模型的模拟研究与评价[J].中国卫生统计.2019
[3].王娜,任燕燕.基于固定效应面板数据的Copula分位数回归及模拟[J].统计与决策.2019
[4].陈宣全,崔宁博,李继平,徐浩若,刘双美.多元自适应回归样条算法模拟川中丘陵区参考作物蒸散量[J].农业工程学报.2019
[5].马俊美,卓金武,张建,陈渌.广义自回归条件异方差模型加速模拟定价理论[J].同济大学学报(自然科学版).2019
[6].邸俊鹏,张晓峒.二元选择分位数回归模型的贝叶斯估计方法及模拟研究[J].统计与决策.2019
[7].邹金,朱继忠,赖旭,谢平平,禤培正.基于时空自回归移动平均模型的风电出力序列模拟[J].电力系统自动化.2019
[8].鲁立志,杨树新,姚瑞,郭启良.约束回归分析方法在地应力场模拟中的应用[J].科技与创新.2018
[9].朱森林,吴时强.高斯过程回归模型在河流水温模拟中的应用[J].华中科技大学学报(自然科学版).2018
[10].刘玉坤,邢立国.基于TensorFlow的线性回归模拟及Python实现[J].现代计算机(专业版).2018