中国城镇化对住宅销售量影响的实证研究

从定性和定量两方面分析了中国城镇化对城市住宅销售量的影响。通过1987--2004年的城市化和住宅销售数据分别构建多阶滞后线性模型和自然对数模型,计算参数估计值和各评价指标,检验回归中自变量序列相关问题,从实证的角度分析城镇化率对城市住宅销售量的影响,并利用模型对未来全国住宅销售面积进行预测。     

基于PCA - GRNN模型的新能源汽车月度销售量预测研究

为预测新能源汽车的月度销售量,提出了一种基于主成分分析(PCA)和广义回归神经网络(GRNN)相结合的预测模型——PCA - GRNN模型.首先,选取动力电池月份装车量、充电基础设施、电池级碳酸锂平均价格、交通和通信类居民消费价格指数、全国城镇调查失业率、汽车制造业工业生产者出厂价格指数等6个指标作为新能源汽车月度销售量的影响因子; 其次,利用主成分分析方法得到可代表6个影响因子的2个主成分,并利用Matlab神经网络工具箱的GRNN神经网络函数构建了广义回归神经网络模型; 最后,将2020—2022年间27个月度的统计数据分别输入到PCA - GRNN、PCA - BP和PCA - Elman模型中进行预测.结果显示, PCA - GRNN模型预测的新能源汽车月度销售量的平均相对误差(4.00%)低于PCA - BP模型和PCA - Elman模型预测的平均相对误差(分别为4.77%和4.29%),因此PCA - GRNN模型在预测新能源汽车销售量方面具有一定的实用性.     

一个重要的“中观经济”问题——从提高经济效益入手,大力发展我国的甜菜制糖工业

本文从“中观经济”的角度对发展我国甜菜制糖工业进行必要性、可行性、经济性方面的探讨;用移动平均一一回归分析组合模型对我国食糖产量和销售量进行了定量予测;提出了从提高经济效益入手,发展我国甜菜制糖工业的几项主要措施。     

基于人工神经网络的销售预测方法初探

提出了一种新的销售量预测方法－神经网络方法，以我国电视机销售量为实际预测对象，运用神经网络方法对其进行试验预测，并和常规的线性回归方法进行了 比较，结果表明神经网络方法具有较高的精确度和较好的预测能力。     

商用车产业发展非政策影响因素的相关性研究

以商用车销售量作为商用车产业的评价指标,建立线性回归模型,运用主成分分析法,通过定量分析,研究GDP、固定投资额、公路里程、城镇化率和石油消费量等因素与商用车销售量的关系。结果表明,以上各因素均与商用车销量有很强的正相关性,影响程度十分接近,这5个影响因素同时具有高度的相关性,并且相互影响。     

偏最小二乘回归模型在水文相关分析中的应用

介绍了偏最小二乘回归的基本原理、建模基本思路和交又有效性判别方法，将偏最小二乘回归模型应用于水文相关分析，并与最小二乘回归模型进行比较分析。通过算例分析表明，该模型具有符合水文现象特性的合理结构及较高的相关分析精度，能很好的应用于水文相关分析中。     

在线报价系统中销售商的风险定价策略

针对销售商销售库存有限的产品,考虑到产品的市场销售份额,通过建立销售商的最大期望收益数学规划模型,并对该模型进行数值分析,来确定销售商的实际销售量超过目标销售量的概率阈值和不同水平的目标销售量对销售商的最优限制价格和最大期望收益的影响.     

搜索回归模型的遗传算法

传统的回归分析中，模拟的选取方法在很大程度上依赖于经验和问题的背景，因此往往是困难的。本文利用回归的遗传算法与遗传回归模型中遗传回归思想，通过算法设计可以搜索出一些有效的模型，以利于回归模型的最后确定。     

人口预测的一种综合分析方法

用江苏人口统计数据求得本省的Ｌｏｇｉｓｔｉｃ 模型， Ｌｅｓｌｉｅ 模型， 线性回归模型， 比较了各自优缺点， 发现用Ｌｅｓｌｉｅ 模型在中长期预测中较好， 尤其在人口转折时期， 而用线性回归模型在短期预测较好， 因此将Ｌｅｓｌｉｅ 模型与线性回归模型相结合进行人口预测比单独使用更好， 并用数据进行了预测分析， 将预测结果与实际值比较， 发现与实际符合更好。     

高压汽液平衡的统计回归与推算(Ⅱ)

对前文（Ⅰ）[10]中的二元统计回归结果中的两组回归结果进行了残差分析，进一进证实了新的DDLC-SRK模型优于SRK方程,同时还对DDLC-SRK模型证实了统计回归方法求得的参数更为可靠．另外进行了三元高压汽液平衡的推算，结果表明，应用DDLC-SRK模型的统计回归推算精度优于其经典方法，而应用SRK方程的统计回归推算精度与其经典方法相近。     

最佳多元线性回归模型的选择

研究了7个常用的变量筛选法、最佳回归模型的选择方法及其SAS分析程序，并通过案例分析证明了本文所提供的在定量经济分析中最佳回归模型选择理论析合理性，并具有较高的实际应用价值。     

模糊加权线性回归模型

提出了一种模糊加权线性回归模型。算例分析证明，该模型在一定程度上克服了基于最小二乘法的线性回归模型所存在的回归方程受个别异常点影响较大，欠稳定的缺点     

观测分析中的回归-时序列模型

大坝观测数据经常规回归分析后的残差序列一般并非为白噪声。考虑将回归拟合与随机型时间序列方法结合，先对大坝位移数据按水位、温度、时效等物理因素作回归分析，再对回归残差作时序列建模处理，实例采用Box-Jenkins法和自由相关、偏自相关函数及AIC准则进行模型识别，建立时序列模型，应用示例的计算表明，这样获得的回归-时序列模型能很好拟合实测数据，提高精度，误差序列也符合白噪声要求。     

带有优惠券销售的定价模型及求解研究

通过分析优惠券销售的特点，把顾客分为两类，一类是没有优惠券的顾客，一类是有优惠券的顾客，并对不同类型的顾客建立商品销售的销售量模型，最后以商家利润最大化为目标函数建立数学规划模型.同时讨论了利用遗传算法对模型的求解，并通过仿真进行了验证，其结果说明该模型对于商家制订优惠策略具有重要的理论意义和应用价值.     

优选多地震属性线性回归方法在预测煤层厚度中的应用

采用相关性回归分析和聚类分析优选出三种地震属性：瞬时频率算术平均值、总振幅、总能量。应用线性回归方法建立了瞬时频率算术平均值、总振幅、总能量和煤层厚度之间的回归模型。通过对三元三次回归模型与三元一次、三元二次回归模型预测结果的对比分析,选用三元三次回归模型预测了山西宁武某煤矿的煤层厚度。     

内蒙古包头市昆都仑河降雨径流的模拟

将经典统计学中的多元回归方法加以推广，建立了一个混合回归模型。该模型不仅能够弥补单纯回归模型与自回归模型的不足，而且比多变量回归模型构造灵活，可以用较少的参数建立较高的模型。该模型应用于包头市昆都仑河的降雨、径流的模拟，并利用观测资料优选参数，模拟结果为昆都仑水库的防洪预报提供了基础数据。     

观测数据拟合分析中的多重共线性问题

为有效克服在工程安全监测数据及统计数据的拟合与预测研究中，采用最小二乘回归法难以有效识别自变量因子间的多重共线性并消除其对回归模型精度影响的不足，引进偏最小二乘回归（PLSR）方法，对观测数据变量及其影响因子进行拟合与预测分析。将模型拟合预测与非模型式的数据内涵分析有机结合，可同时实现回归建模、数据结构简化以及因子间的多重共线性分析，并通过交叉有效性检验来控制模型精度。结果表明：PLSR方法对系统信息和噪声有良好的辨识能力，能有效克服因子多重共线性对模型精度的影响，使模型结果对实测变量的物理成因解释更趋合理，因而比最小二乘回归方法更具广泛适用性。     

基于分位数回归的长春市职工工资水平的分析

在SAS环境下利用了经典的线性回归模型,岭回归、分位数回归模型分析了影响长春市工资水平发展的诸多因素。     

高压汽液平衡的统计回归与推算（II）

对前文（Ｉ）中的二元统计回归结果中的两组回归结果进行了残差分析，进一步证实了新的ＤＤＬＣ－ＳＲＫ模型优于ＳＲＫ方程。同时还对ＤＤＬＣ－ＳＲＫ模型证实了统计回归方法求得的参数更为可靠。另外进行了三元高压汽液平衡的推算，结果表明，应用ＤＤＬＣ－ＳＲＫ模型的统计回归推算精度优于其经典方法，而应用ＳＲＫ方程的统计回归推算精度与其经典方法相近。     

应用关联序改进多元回归建模方法的探讨

分析了应用灰色关联序进行多元回归模型中自变量选择的可行性，在此基础上，提出了将关联序分析与回归分析相结合建立多元回归模型的方法。