Logistic回归分析方法在流行病学研究中的应用--条件回归与非条件回归模型的比较

Logistic回归分析在医学研究中应用广泛，尤其是对于流行病危险因素筛选问题更加有效。在探讨引起肺癌发生的危险因素时，往往采用Logistic回归模型进行研究。本文分别采取这两种回归模型对引发肺癌发生的危险因素进行研究，通过计算回归系数与优势比进行比较来判断两种回归模型的优劣。研究表明：非条件与条件回归分析结果共同的结论是：X2（吸烟），X3（年龄）的优势比Exp（B）均大于1，是肺癌发生的危险因素，对肺癌的发生有影响。所不同时的是，危险因素的优势比不同，吸烟和年龄的条件回归分析的优势比大于非条件回归分析。     

基于R软件的logistic回归模型建模

Logistic回归模型是研究因变量为二分类观察结果与影响因素（自变量）之间关系的重要多变量分析方法模型,但它的计算依赖于统计软件。通过具体实例对自由优秀R软件在处理分析Logistic回归模型作出简要分析。     

制造业上市公司财务预警模型的构建及比较——基于ROC曲线分析

本文以制造业上市公司为研究主体,选取反映企业经营成果和财务状况等六大方面的财务指标和审计意见等非财务指标,运用因子分析方法降低指标之间的多重共线性,分别建立Logistic回归和决策树模型,最后运用ROC曲线来对模型的预测精度进行比较分析。研究发现:从AUC的角度来看,Logistic回归模型的预警能力要强于决策树。但两个模型的侧重点不一,决策树会更加的偏重于对企业财务经营情况进行长远的预测,反映企业发生财务危机的内在原因,而Logistic回归模型则是直接的体现出企业发生财务危机后的结果,因此我们应该根据不同的目的来选择相应的模型进行财务危机的预警分析。     

Logistic回归分析方法在中小微企业信用评级中的应用研究

本文以四川省新三板上市的制造业企业为研究对象,探索适合中小微企业的信用评级方法和指标体系。首先从经济学角度出发,找出衡量企业经营状况的指标,利用相关性分析,科学建立评级指标体系。由于指标个数太多,要用熵权法进行降维,再通过Logistic回归计算信用得分。结果表明这样建立的指标体系相较于因子分析更加合理,解释力强,Logistic回归预测结果与神经网络模型预测结果趋势一致,但是预测准确率高于神经网络模型,且Logistic回归本身对过程的解释优于其他模型,因此熵权法结合Logistic回归在小样本情况下的企业信用评级优势明显,为同行提供参考。     

糖尿病患病率风险因素分析

通过采用相关分析、逐步Logisitic回归和条件Logisitic回归这三种不同的方法研究上海市东北部某特定老年人群的糖尿病患病的诱发危险因素,得到了相似的研究结果,即年龄、葡萄糖、尿素、肾囊肿和心率是糖尿病患病的危险因素,而高密度脂蛋白和肌酐是糖尿病患病的保护因素。最后将回归结果应用于保险公司的费率厘定中,做了简单的探讨。     

基于Logistic回归的股价上涨概率预测研究

将Logistic回归应用在多因子模型时,模型可利用反映股票涨跌信息的因子与股票收益率的历史数据实现Logistic回归对未来股价上涨概率的预测。实证分析结果显示,2012—2018年运用Logistic回归筛选出的大概率上涨的股票组合可获得较高的平均收益率、胜率和夏普比率,Logistic回归在沪深市场上可成功发挥其对股价上涨概率的预测功能。     

基于Logistic回归模型的航运业上市公司投资价值评价

国际经济逐步复苏,航运业上市公司的投资价值备受投资者关注。通过对航运业运营特点的分析,构建投资价值评价财务指标体系,运用Logistic回归模型,对航运业上市公司进行分析评价,指出造成各公司投资价值不同的主要因素,为投资者提供投资建议。     

我国城镇居民消费支出与收入的回归分析

不同时期,我国城镇居民消费行为存在很大的差异,这一点利用传统的计量经济模型无法解释,本文尝试将非参数估计理论引入到回归模型中来,通过建立非参数回归模型、半参数模型及普通的线性回归模型对我国城镇居民可支配收入及消费支出之间的关系进行比较研究,得出非参数回归模型优于普通的参数回归模型。     

成长期上市公司财务危机预测——基于Kalman滤波与Logistic回归的实证研究

本文将Kalman滤波智能算法与Logistic回归传统模型相结合,对成长期上市公司财务危机进行预测.结果表明:公司治理因素对上市公司是否发生财务危机具有显著影响;比较而言,Kalman滤波算法算得的专一性优于Logistic回归模型;临近被ST的T-1期模型I、II以及T-3期模型II计算所得敏感性高于Kalman滤波算法敏感性结果,但T-3期模型I及T-5期模型I、II敏感性皆低于Kalman滤波算法得到的敏感性.文章最后提出了成长期上市公司避免陷入财务困境的政策建议.     

董事会异质性对企业业绩的影响分析——基于B-样条展开的非线性分位数回归的研究

构建一个局部非线性分位数回归模型对董事会异质性与企业业绩之间的关系进行研究,同时采用基于B-样条展开的非参数非线性分位数回归模型,得出比参数模型更好的分析结果。实证结论显示:董事会异质性对企业业绩存在先上升后下降的倒"U"型影响;在不同分位点处,董事会异质性对企业业绩影响的非线性效应呈异质性,业绩越好的企业,其业绩受董事会异质性的影响越显著;对于不同所有权性质的企业,董事会异质性对企业业绩的影响模式不同,且在相同条件下,董事会异质性对国有企业业绩的影响相对较弱。     

天津市居民延迟退休意愿的影响因素分析——以南开区为例

为了解天津市居民延迟退休的意愿及其影响因素,为天津市制定延迟退休年龄（下简称＂延退＂）政策提供一定依据,以天津市南开区居民为研究对象,通过问卷调查和个别深入访谈相结合的形式,采用分层抽样的方法收集171份问卷,综合相关文献,对可能影响居民延退意愿的因素进行统计描述,并采用非条件logistic进行回归分析。结果表明,总体样本中有49人（28.65%）支持延退,122人（68.35%）反对延退。年龄、健康状况、工作单位类型、收入因素对居民的延退意愿有统计学意义。得出结论：延退是一个系统工程,不能因为缓解养老金压力而损害大多数人的利益,因此在政策制定时应该充分考虑不同群体的利益,才能获得社会各界的理解和支持,促进政策实施。     

我国股票市场发展与经济增长关系的实证研究——基于股权分置改革前后数据的检验

一、实证研究方法及变量与数据的选取（一）研究方法1、单位根检验在进行协整检验和格兰杰因果检验前，需先进行单位根检验。一般的传统回归方程式，通常是在假设变量为平稳序列且残差项均值为零、方差为常数的条件下进行分析的。而当变量为非平稳序列时，若以传统回归方法进行分析，则可能产生谬误回归的问题，即检验结果可能有很高的R2值，     

一种基于Lasso回归与SVD融合的深度学习模型压缩方法

针对深度学习模型所需的海量参数及强大的计算资源而导致其不能很便捷地应用于嵌入式设备或移动端的问题，在Lasso（Least Absolute Shrinkage and Selection Operator）回归通道挑选法的基础上，提出了Lasso+奇异值分解（Singular Value Decomposition，SVD）的融合压缩法。使用VGG-16为初始模型，分别在不同的小型数据集上进行迁移学习，使用迁移学习后的模型在不同的加速率下进行测试。实验结果表明，相对于传统的模型压缩算法，Lasso+SVD的融合压缩法实现了在加速和参数压缩两方面的优势，进而以目标检测为应用方向，在保证准确率的同时不仅降低了模型存储需求，而且也较大提升了模型的实时性。     

临床护士职业生涯规划现状及影响因素的调查研究

目的：探讨临床护士职业生涯规划现状，提高管理护理职业发展的水平。方法：选取我院临床护士进行现场调查，对护士护理职业生涯规划的现状以及影响因素进行分析，在影响较为显著的单因素进行分析后，选择有统计学意义的数据，通过Logistic回归性分析进行多因素分析。结果：问卷调查结果显示，临床护士职业生涯规划总得分（155．2＆#177;22．1）分，调查结果的评价为一般水平；护理人员年龄、不同生涯、学历情况、家庭所在地、以及经济收入等因素进行分析，此类一般资料比较（P＞0．05）无统计学意义。临床护士所在医院的级别、人事关系、护士所工作的科室、父母职业、是否需要值夜班以及学历取得途径和护士自身的进修情况有着相关较为显著，（ P＜0．05）有统计学意义。结论：护士存在职业生涯规划实施和护理职业发展意识淡薄，自我规划意识表现为严重不足，职业生涯规划在护理管理者和学历护士方面应引起足够重视。     

扩展切换回归模型

该文构建了具有几个潜在状态变量的回归模型，模型中的参数被划分为几个互不相交的组，其中每一组参数由一个与之对应的状态变量所独立决定，如此的模型被称为扩展切换回归模型，简称为ESR模型。研究结果表明ESR模型比其他传统模型预测汇率的结果更精准。     

线性回归在居民家庭收入与支出中的应用研究

线性回归是研究非随机变量与随机变量之间关系的重要方法,线性回归预测是统计学中的重要预测方法。本文以居民家庭收入与支出关系为研究对象,利用线性回归模型,借助Excel工具,给出二者之间的关系,并且对家庭收入在某个特定值时的支出进行预测,以期给相关工作者提供参考。     

广东上市公司的财务困境预警系统研究

财务困境的发生是一个循序渐进的过程,它的可预测性敦促人们不断地探究,以求建立一套科学的财务困境预警系统。本文以广东省上市公司为研究对象,选取了该省上市公司中所有27家ST公司和与其配对的27家非ST公司为样本,采用Logistic回归模型方法进行研究,建立了预测精度比较高的预警模型。结果表明该模型对检验样本的判别结果与实际结果接近,较高的判别率进一步证明了我们根据Logistic回归分析方法建立的预警模型的实用性和准确性。     

基于k最近邻回归的频谱占用度预测

认知无线电技术可以在授权用户和非授权用户间进行频谱分配,预测模型的建立可帮助非授权用户推断频谱空洞是否可用,不仅能提升频谱利用率而且还能降低冲突率。采用理论分析、监测实验、数学建模、数据实证等方法,对频谱占用度建模理论进行了研究。针对频谱的可预测性问题,通过对数据集的分析,使用k最近邻(kNN)回归模型预测频谱的信道-场强值。基于观测数据呈现出的周期性,提出了一种针对周期性数据进行优化的kNN模型,并用其进行预测。比较了原始kNN回归模型和优化后的周期性kNN模型在测试数据上的预测精度,结果表明优化后的模型比原始的kNN模型有着更好的预测精度。     

流动人口的户籍迁移意愿及其影响因素分析——基于一项在福建省的问卷调查

基于一项2009年在福建省进行的问卷调查数据,运用多项Logistic回归模型,从流动人口的个体特征、家庭因素、流入地和流出地特征和社会融合四个方面分析了影响流动人口户籍迁移意愿的主要因素.流动人口在户籍迁移意愿上具有多样化的选择,不同特征的流动人口其户籍迁移意愿存在明显差异,其中个体特征中的年龄、受教育程度、本地滞留时间和户口性质,家庭因素中的在迁入地家庭相对经济地位、同在此地家庭成员比以及家乡田地情况,流出地和流入地特征以及社会融合程度等都对其户籍迁移意愿产生显著影响.讨论了上述研究结果的政策启示意义.     

固定资产投资与GDP关系的实证研究——基于非参数回归预测分析

采用了1980—2013年的年度数据,对我国固定资产投资与GDP之间的关系进行了实证分析。由于政治因素会影响两者长期均衡关系,因此两者关系存在突变点,因而采用包含虚拟变量的线性回归模型并不能准确的反应两者之间的动态关系。所以本文运用非参数回归模型,对改革开放后的固定资产投资和国内生产总值的关系,分别建立非参数回归预测模型以及参数线性回归模型,并加以对比,得出结论:非参数回归预测模型的拟合结果较好。