半偏相关系数及其在经济增长贡献测算中的应用

一、关于半偏相关系数的涵义在多元回归分析中遇到的问题之一就是确定每个解释变量对复相关系数的贡献,我们曾经用到过的解决办法是计算简单相关系数和偏相关系数。简单相关系数是衡量两个变量之间相关性程度的相关系数,反映的是两个变量之间局部的相关关系;偏相关系数是在多元     

偏典型相关系数及其应用

一、偏典型相关系数的概念 我们知道,偏相关系数是在p+1个变量Y,X_1,X_2,…X_p中固定其他变量,而研究其中的任意两个变量的相关方向与程度的统计指标。偏相关系数在多变量分析中,与简单相关系数相比较,由于它考虑周围变量的变动及对所研究变量的不同影响,并且进行控制,克服了简单相关系数的不足,能真实反映两变量之间的本质的相关方向与程度。     

相关系数统计量的功能及其应用探讨——以SPSS为分析工具

相关系数分为简单相关系数、复相关系数和偏相关系数,他们的含义、功能、应用和计算机的实现操作各不相同。尽管相关系数统计量的计算可由多种软件完成,但从操作的简单性、结果的解释性方面看,SPSS、马克威等傻瓜软件应作为首选。选择因变量的影响因素时,我们主张使用偏相关系数,反对使用简单相关系数。     

几种相关系数辨析及其在R语言中的实现

对常见的Pearson简单相关系数、Spearman和Kendall等级相关系数、Cramer’s V系数、偏相关系数、广义相关测度、复相关系数、典型相关系数、广义相关系数和多向量间相关系数的适用条件、联系和区别等进行了辨析,给出了这些相关系数在R软件中的实现方法,并选取2016年中国31个省市的数据,对经济、能源和环境污染三方面进行相关分析,计算相关系数并解释其实际意义,最后对这些相关系数的基本情况进行了总结。     

对两定距变量相关系数的理解与应用

测量两定距变量的相关程度,通常采用皮尔逊的积差相关系数,其公式为：y的样本数值,x与y分别为变量x与y的样本平均数值,n为样本数。尽管大家都在应用,但却没有人对皮尔逊积差相关系数进行系统的科学解释,其结果,一方面僵化了人们对相关概念的认识,另一方面也给相关分析在实际应用中带来了局限性。为此,本文试图从不同的角度对两定距变量相关系数进行解释,并在此基础上对其应用做些探讨。一、从协变趋势性上理解相关系数r从变量空间x－y的样本散点图上看,变量的公布呈线带状,即具有协变趋势性。当我们获得了关于变量x与y的样本数…     

东道国制度环境、市场规模和中国对外直接投资——基于“一带一路”国家的半参数变系数空间面板模型

本文采用半参数变系数空间面板模型实证研究东道国制度环境、市场规模和我国“一带一路”对外直接投资之间的非线性时空关系。首先，提出基于截面似然函数的模型估计方法；其次，从理论层面探究估计量的渐近性质和有限样本表现；最后，分别构建以东道国市场规模为解释变量、东道国制度环境为变系数协变量、我国对外直接投资为被解释变量的参数空间面板模型和半参数变系数空间面板模型，分析东道国市场规模如何随制度环境变化影响我国对外直接投资规模。研究发现：半参数变系数空间面板模型估计量具有良好的渐近理论和小样本性质；在空间维度上，我国对“一带一路”国家的投资相互依赖，表现为“第三国”溢出效应；我国对外直接投资非线性依赖于东道国市场规模，表现为一条关于东道国制度环境的“倒U”型曲线；我国对外直接投资具有制度距离接近性偏好，即我国更偏向于投资制度环境相似的国家，稳健性检验支持了这一结论。     

均值尾部相关系数及其在金融领域的应用

传统尾部相关系数用于刻画变量之间的极值相关性,但这种相关系数存在对相关性信息刻画不完全的问题。为能够捕获更多的非极值相关性信息,本文提出均值尾部相关系数的概念,研究了均值尾部系数同Copula理论之间的关系,并以t Copula为例分析了四种均值尾部相关系数的变化特征。通过将均值尾部相关系数和传统尾部相关系数分别应用于沪深股市的相关性研究,从实证角度验证了这种相关系数的实用价值。     

滞后被解释变量作为解释变量的负面效应分析

把滞后被解释变量作为解释变量是目前计量经济分析中的常见做法,但这种做法往往会导致其它变量系数的混乱,从而使模型失去经济意叉。本文首先通过一个典型例子说明这一现象,然后通过统计推断指出产生这种负面效应的原因,最后对改进模型提出了几点建议。     

面板数据的自适应Lasso分位回归方法研究

如何在对参数进行估计的同时自动选择重要解释变量,一直是面板数据分位回归模型中讨论的热点问题之一。通过构造一种含多重随机效应的贝叶斯分层分位回归模型,在假定固定效应系数先验服从一种新的条件Laplace分布的基础上,给出了模型参数估计的Gibbs抽样算法。考虑到不同重要程度的解释变量权重系数压缩程度应该不同,所构造的先验信息具有自适应性的特点,能够准确地对模型中重要解释变量进行自动选取,且设计的切片Gibbs抽样算法能够快速有效地解决模型中各个参数的后验均值估计问题。模拟结果显示,新方法在参数估计精确度和变量选择准确度上均优于现有文献的常用方法。通过对中国各地区多个宏观经济指标的面板数据进行建模分析,演示了新方法估计参数与挑选变量的能力。     

回归分析中t检验与F检验关系的进一步探讨

文章较深入地研究了多元回归分析中t检验与F检验之间的关系,得到了如下结论:在一般情形下,t检验与F检验的结果没有必然联系;但当解释变量之阃两两不相关时,若所有解释变量的系数均通过t检验,那么回归方程也能通过F检验.     

Logistic半参数变系数模型的变量选择

Logistic半参数变系数模型是半参数变系数模型的推广,它可以解决分类型因变量变系数模型的建模问题.文章利用B样条函数逼近非参数部分,引入LASSO、SCAD以及MCP惩罚函数,基于组坐标下降算法,对参数部分和非参数部分进行变量选择.最后进行了Monte Carlo模拟.     

基于相关性分析的高级职业经理人绩效考核指标的筛选方法

本文采用相关性理论,对绩效考核备选指标进行筛选,用备选指标与EVA的偏相关系数大小来确定各指标的有效性,并计算同一维度内部各指标的偏相关系数,保证各指标的独立性,最终得出一个以EVA为核心指标,其它指标为补充指标的综合考核指标体系.     

两个潜变量的PLS算法模拟数据分析

文章根据结构方程模型(SEM)数学定义和偏最小二乘法(PLS)形式规范,构建具有两个潜变量的路径模型。在潜变量因子值和模型系数假设已知情况下,生成仿真观测数据。通过对PLS算法处理结果与假设数据之间偏差比较,分析PLS算法特性,结果发现:潜变量模式选择影响测量模型系数;结构模型系数比假设值偏小而测量模型系数比假设值偏大。根据该算法特性可以优化模型,以获得更好的模型解释与预测能力。     

时变三因子模型风险系数的动态研究

由Fama和French提出的三因子模型能够较好地解释股票的收益率风险溢价。文章以状态空间模型为框架,将风险因子系数作为状态变量,市场风险溢价作为观测变量,构建时变三因子模型来应对股票市场价格的时变特征。研究结果显示,利用卡尔曼滤波来估计时变风险因子系数,增强了估计结果的准确性与连贯性;风险因子系数变化规律与中国A股市场政策和环境影响相吻合,消除非理性噪声后的时变三因子模型更具有解释力度。     

浅议相关系数与偏相关系数的使用

相关分析是经济统计学的重要内容之一。在相关分析中,人们通常利用两个经济变量之间的简单相关系数(即相关系数)和一个经济变量与多个经济变量之间的复相关系数来分析和测定这些经济变量之间的线性相关程度,并据此进行线性回归分析、预测和控制等。 我们知道,相关系数是刻划变量之间线性相关     

基于变系数模型的高维数据异同性识别方法研究

随着信息技术的发展,高维数据日益丰富。现实中,很多高维数据由多个主体各异的数据集融合而成。如何准确识别出高维数据集间的异同性成为大数据分析的目标之一。本文提出了变系数模型下的高维数据整合分析方法。该方法可以同时对多个数据集进行变量选择和系数估计,并且能 够自动识别出变量系数在数据集间的异同性。模拟结果表明本文方法在异同性识别、变量选择、系数估 计和预测等方面明显优于对比方法。在肺癌致病基因识别的应用研究中,本文方法能够识别出具有生物解释的致病基因并发现了两种亚型之间的异同性。     

零膨胀计数数据函数型部分变系数模型

在实际数据分析中经常会遇到零膨胀计数数据作为响应变量与函数型随机变量和随机向量作为预测变量相关联。本文考虑函数型部分变系数零膨胀模型 (FPVCZIM),模型中无穷维的斜率函数用函数型主成分基逼近,系数函数用B-样条进行拟合。通过EM 算法得到估计量,讨论其理论性质,在一些正则条件下获得了斜率函数和系数函数估计量的收敛速度。有限样本的Monte Carlo 模拟研究和真实数据分析被用来解释本文提出的方法。     

考虑截面相关条件下的异质性面板数据协整回归模型的估计

 面板数据的非平稳分析是近年来迅速发展的方向,其中考虑截面相关情形下面板数据的协整分析的发展备受关注。Bai &; Kao（2006）得出了截面相关条件下面板协整估计的因子模型,但该模型只考虑了被解释变量截面相关情形,未考虑解释变量的截面相关,且假定各截面间长期协方差矩阵相同。本文在Bai（2006）考虑截面相关条件下面板数据协整回归模型估计的基础上将其结论推广至被解释变量和解释变量均截面相关及截面长期协方差矩阵不相同即异质性时的情形,并试图通过Monte Carlo 模拟讨论其小样本性质。并且由于截面间长期协方差矩阵异质性的存在,本文还针对两变量的协整系统提出了系数检验的组间均值t统计量。     

基于局部积差相关系数阵的纵向数据R型聚类分析——以现代服务业为例

在信息技术快速发展的今天,对问题和现象的研究已不再局限于单纯利用截面数据或时间序列数据进行分析。与之相比,纵向数据包含更多的信息,广泛而深入地挖掘其数据中的信息对于人类认识自然、认识社会有着重要意义。通过对纵向数据结构特征的研究,提出了纵向数据变量的局部积差相关系数矩阵。该相关阵不仅可以对变量的内部结构进行分析,更为重要的是,以此为基础来计算变量间相关系数,可以从一个新的视角,更为深入地揭示变量间的相关关系,进而可以对变量施以新型聚类分析。     

相关系数与本质联系

相关系数和复相关系数是我们用来判断一个变量同另一个变量或几个变量线性相关程度的重要指标。一般来说,相关系数或复相关系数的绝对值接近于1,就说明因变量与自变量之间的联系紧密,而愈接近于零则说明因变量与自变量之间的联系松散。在进行简单相关分析时,人们通常把通过相关系数检验,而且相关系数较接近于1的一对变量判断为具有本质联系的变量,即一个变量的变动必然导致另一个变量发生近似于线性状态的变动。比如,某种商品的销售量与价格之间就存在这种联系。进行简单相关分析,不仅能初步了解一对变量间的联系程度及方向,而且还可以建立相应的回归线性方程,进行预测或推算。