随着社会经济的发展,现代化的工业企业呈现出一片欣欣向荣的繁荣景象,获得了飞速的发展,不管是大型企业还是小型企业都面临着共同的问题,这便是经济运行质量.在当前市场经济环境跌宕起伏,做好经济运行分析工作能够及时发现企业生产经营中存在的问题,因此文章主要就新时代下工业企业经济运行分析质量及提升对策展开讨论,并提出了一些切实可行的解决方案,希望给相关企业以借鉴.
文章基于Logistic误差分布和贝叶斯推断方法,对线性模型提出了一种稳健的贝叶斯估计和贝叶斯变量选择方法.通过引入合适的潜变量,将Logistic分布转化成正态与P(o)lya-Gamma混合分布的形式,从而得到回归系数显式后验分布;进一步通过引入回归系数0-1取值指示向量,基于模型选择研究了贝叶斯变量选择方法,同时提出易于抽样的Gibbs后验抽样方法.通过大量数值模拟和实例数据分析并与已有方法比较,验证了所提方法的有效性.
有偏Logistic回归模型是以非对称函数来连接,引进了偏态参数,这比标准Logistic回归模型能够更好地适用于实际数据.文章在总结和探讨有偏Logistic分布函数和密度函数性质的基础上,重点研究了基于该分布的回归建模问题,利用牛顿迭代法得到了参数估计算法.为检验解释变量的重要性,基于Score检验方法研究了相关的假设检验问题,并通过模拟研究其检验功效问题.利用AIC和BIC信息准则对四种回归模型进行拟合优度分析.
Logistic分布是一种重要的位置-尺度分布,与正态分布比较,Logistic分布是一种厚尾分布.为刻画数据的异方差性,提出了基于Logistic分布的位置-尺度参数联合回归建模问题,利用牛顿迭代法得到了参数估计算法.为检验解释变量的重要性,基于Score检验方法研究了相关的假设检验问题,并通过数值模拟研究其检验功效问题.最后,利用AIC和BIC信息准则对基于Logistic回归模型和线性回归进行拟合优度分析.大量数值模拟和实例数据分析验证了所提方法的有效性.
