农产品价格预测模型的构建

农产品价格变动关乎农民收入的增长和生活水平的提高,同时也是农业管理部门决策的重要依据.针对农产品价格预测这一问题,文章先后建立了指数平滑模型、ARIMA(求和自回归移动平均)模型及基于二者的组合预测模型,并结合2011-2015年西安朱雀市场胡萝卜的月度价格数据,依据所建立的三个模型应用SPSS等相关软件对未来短期胡萝卜价格进行预测分析.预测结果显示:组合模型比单个预测模型预测精度更高,是一种有效的农产品价格预测模型.     

Logistic回归模型在高校教师教学质量评估中的应用

常见的教师教学质量评估方式有以下几种:教师互评,上级领导(或专家)对教师评价,学生对教师的评价等等。本文结合这三方面应用Logistic回归分析的方法来进行研究,提出一个对教师教学质量的总体评估模型,并用SAS软件进行编程实现。这种评估模型能比较科学客观的评价教师的教学情况,可以广泛应用于其他领域的评估工作。     

偏最小二乘回归在SPSS软件中的实现

偏最小二乘回归是第二代回归分析方法,目前已在各种领域得到广泛应用.文章通过详细介绍不同版本的SPSS软件中PLS模块的安装来说明偏最小二乘回归方法在SPSS软件中的实现,并结合实例进一步说明该方法的参数设置和结果的解释.实例分析表明:偏最小二乘回归能够解决变量间多重共线性问题,适合在样本数小于变量个数情形下对系统进行回归建模.     

向量误差修正模型的建立及实证

文文章介绍了四种向量自回归模型识别的方法;分析了每种识别方法的输出形式,并给出变量间协整检验的方法;分析了五种不同的向量误差修正模型;最后利用SAS统计软件对建立误差修正模型进行了实例验证.     

基于R软件的线性回归模型诊断与修正

文章介绍利用R软件对线性回归模型的选择是否合适,模型的误差项是否满足独立性、等方差性、正态性及模型是否存在异常样本等问题实行回归诊断,并给出可利用update()函数对模型进行相应的适当修正.最终结合实例进行了应用.从而为线性回归模型的进一步诊断和治疗提供了依据和思路.     

多元线性模型中定类变量的处理

多元线性回归模型一般要求其分析变量有较高的定量层次 ,而社会科学的大量调查数据却往往属于定类变量。这样在实际分析过程中 ,研究者或者弃用这部分变量造成数据的浪费 ,或者将其简单应用而有可能导致错误结论。本文结合西方社会统计学的最新研究成果 ,借助SPSS统计软件 ,通过虚拟编码、效应编码、对比编码三种方式对定类变量数据进行变换 ,使其在多元线性模型中得到较好的解释结果。     

解决多重共线性问题的线性回归方法

本文针对当出现多重共线性时用普通最小二乘法估计的参数值与实际值相去甚远 ,甚至无法被估计的现象 ,介绍了三种解决办法 :主成分回归、岭回归和偏最小二乘法。这三种方法在解决问题的思路上各有异同 ,本文着重介绍了它们的基本思想和主要处理步骤     

非线性回归模型的线性变换和正交多项式回归

在非线性回归模型中,部分模型可以通过数据变换转化为线性模型进行研究,但这种转换有时会引起随机扰动项的变换,改变其假设条件,从而影响模型的准确性.文章引入非线性回归模型的线性变换方法和正交多项式回归方法,重点介绍了正交多项式回归方法;基于R语言软件,通过例子说明了非线性模型线性变换的局限性,并给出了正交多项式回归方法拟合非线性模型的具体应用.     

解决多重共线性问题的线性回归方法

本文针对当出现多重共线性时用普通最小二乘法估计的参数值与实际值相去甚远甚至无法被估计的现象 ,介绍了三种解决办法 :主成份回归、岭回归和偏最小二乘法。这三种方法在解决问题的思路上各有异同 ,本文着重介绍了它们的基本思想和主要算法步骤     

基于偏最小二乘回归的COCOMO模型校准方法

准确的软件成本估算对于实现软件项目的科学管理具有重要意义.COCOMO系列模型是当今实践应用最为广泛的成本估算模型之一.文章针对现有的COCOMO模型参数校准方法只对比例因子和指数因子进行校准的问题,为了更好的实现COCOMO模型本地化,提出了一种基于偏最小二乘回归的参数校准方法,解决了工作量乘数因子的校准问题.采用COCOMO81原始建模数据库对校准后的参数进行验证,结果表明该方法能够明显提升COCOMO模型的估算精度.     

分位数回归曲线相交问题的修正

在实际应用中,对于有限的样本,分位数回归存在一个普遍的问题,即不同分位数回归曲线会出现相交的现象.这一现象违背了基本的概率理论:分位数函数的单调不减性.文章基于中分布函数样本分位数的定义的启发,对分位数回归曲线相交问题提出一种修正方法:利用两条不同回归曲线的加权组合对所需要修正的回归曲线进行修正,并通过一个实例表明所提出的修正方法是简单有效的.     

虚拟变量在居民消费研究中的应用

一、虚拟变量与回归模型 在现代经济计量分析中,利用模型进行回归分析是应用比较广泛的一种数量分析技术.一般回归分析中变量都是定量变量,这是因为模拟回归需要样本数据.但实际中有时模型仅考虑定量变量是不够的.因为经济现象不仅受一些定量因素的影响,还可能受到一些定性因素的影响.比如不同时期的不同政策,战争、自然灾害等非常时期,人的不同性别、文化程度、婚姻状况等.     

基于GMDH的小样本数据预测模型

对于样本数据少的情况,文章中利用SPSS曲线估计的方法选取三次曲线和二次曲线两种模型进行预测,同时用GMDH自回归模型进行分步预测,最后利用GMDH组合模型将三种模型进行组合预测。预测结果表明:GMDH自回归模型对于小样本数据的预测结果优于其他模型,效果更好、更稳定。     

基于过度离散广义线性模型的来电量预测

文章基于真实B2C商务数据,针对Poisson回归中过度离散这一主要缺点,在广义线性模型的框架中探讨过度离散Poisson回归模型、负二项回归模型和Tweedie模型,并深入比较三种模型的拟合效果、预测结果、对过度离散的刻画和对尾部的测度。     

物流需求预测模型构建

文章选取1993-2014年社会物流总额衡量物流需求,定量分析社会物流总额与GDP、物流总费用、固定资产投资和进、出口总额的关系.采用MATLAB软件进行编程模拟,构建了物流需求多元非线性组合回归预测模型.结果表明:多元非线性组合回归预测模型预测效果明显优于多元线性回归、指数平滑法、多项式拟合(2次)及非线性预测法(幂函数).     

基于线性回归变量误差模型的工具变量法与校正似然法的比较

文章介绍了线性回归变量误差模型参数估计的两种方法——工具变量法和校正似然法,然后通过数值模拟的方式对这两种方法的估计结果进行比较,说明这两种方法在不同假定下估计的优劣,最后通过实例计算来进行验证,并得到一些有用的结论.     

浅谈简单线性回归模型与对数线性回归模型的选择

在我们进行经济建模分析时,经常会遇到这样的问题：对于样本数据,我们是选用简单线性回归模型,还是选用对数线性回归模型,,对于这种选择,我们不能主观臆定,只能从客观上对这两种模型进行对比分析,找出最优的回归模型形式。本文拟对这两种模型的选择问题作初步探讨。     

米老师统计论市之六证券统计分析软件中的技术指标比较--通用性和局限性

在众多的证券统计分析软件中,不知道你注意了没有,几乎所有分析软件的第一个技术分析界面都会出现这样三个技术指标:日K线图;成交量;平滑异同移动平均线(MACD).为什么这么多的软件设计者都要将这三个技术指标放在第一页呢?这是在隐约地告诉我们,这几个技术分析指标的重要性.     

基于PLS的企业经营绩效影响因素研究

文章根据现代企业理论,利用先进回归技术--偏最小二乘法(PLS),借助SAS统计软件,建立水电企业经营绩效的回归模型,对影响经营绩效的因素进行了分析和研究,最后根据研究结论就如何提高水电企业绩效提出了对策和建议.     

基础设施投资效率的空间溢出与门限效应研究

利用数据包络分析（DEA）估计了中国31个省份1999—2006年基础设施投资的相对效率,并以此代表各地区基础设施投资的成效,进而分析其对经济增长的贡献是否存在空间溢出和门限效应。采用普通面板回归、空间面板回归和门限面板回归这三种基于面板数据的回归模型进行实证分析后发现：基础设施投资效率对本地区和相邻地区的经济增长均有显著促进作用,并且随着经济规模的扩大,基础设施投资效率对经济增长的促进作用也有所提高,即证实了空间溢出和门限效应的存在。