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     

边际

在现代汉语中，边际就是指边缘、界限的意思。在经济学中，边际有额外的、追加的意思，指处于边缘之时，再增加一个单位所发生的变化，属于导数和微分的概念，由于披上了数学的面纱并被冠以经济学的术语，因此，许多人对边际一词觉得不好理解：在经济学分析中，人们经常把所研究的各种变量分为两种：自变量和因自变量变动而变动的因变量。而边际的含义就是因变量关于自变量的变化率，说得通俗点，就是指自变量变化一个单位时，因变量的变化情况。边际分析就是分析自变量变动与因变量变动的关系的一种方法。边际分析法广泛运用于经济行为和经济变量的分析过程之中，如效用、成本、收益、消费等分析多有边际的概念，人们所熟知的边际效用递减规律，就通常用吃馒头来形象地加以说明：把吃馒头作为自变量，     

线性回归模型与传递函数模型在时间序列应用上的比较研究

如果一个因变量是由一个或多个自变量来解释的,那么对这些数据可以建立回归模型.但如果因变量和自变量同时又是时间序列,则也可以建立传递函数模型(transferfunction models).与普通的回归模型相比,传递函数模型说明因变量与自变量以及扰动项之间关系时,有着更为丰富的结构.在多变量时间序列模型方面,有关线性回归模型与传递函数序列在时间序列方面应用效果的比较很少,因此,本文拟进行这方面的研究,为多变量时间序列建立模型提供参考.     

边际分析方法简介(—)

当前,不少企业在生产过程中,大都以静态分析为主进行预算和决算,这使企业很难依据生产的实际变动来修正原来的决策或计划,从而可能导致失误.而边际分析方法作为一种经济增量分析方法和动态分析方法,可以根据各种经济变量的变化趋势和幅度,来确定它们的最优状态,以补充静态分析的不足.在企业的经济活动中,由于经济现象的多样性和复杂性,存在各种不同的变量.如成本、产量、销售价格、利润、销售额等.这些变量之间是相互联系、相互影响的,其中一个变量发生变化,就会引起另一个变量也发生相应的变化.设Y是因变量,X是自变量,Y与X之间存在函数关系Y=f(x).若f是连续函数,对于x的增量x,y有与之相对应的增量为:     

对线形回归模型估值方法的分析比较

回归分析是在研究现象之间相关关系的基础上,对自变量和因变量的变动趋势拟合数学模型进行量的推算的一种统计分析方法,以揭示自变量的变动影响因变量变动的一般水平,最基本的形式是一元线     

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。     

通径分析及其应用

一、通径分析与相关系数通径分析是简单相关分析的继续,在多元回归的基础上将相关系数加以分解,通过直接通径、间接通径及总通径系数分别表示某一变量对因变量的直接作用效果、通过其他变量对因变量的间接作用效果和综合作用效果。对于一般的多元线性回归分析,设有自变量X1,X2,     

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     

EXCEL在多元线性回归分析中的应用

在一元线性回归分析中,重点放在了用模型中的一个自变量X来估计因变量Y。实际上,由于客观事物的联系错综复杂,一个因变量的变化往往受到两个或多个自变量的影响。为了全面揭示这种复杂的依存关系,准确地测定它们的数量变动,提高预测和控制的精确度,就要考虑更多的自变量,建立多     

对现行教科书中若干统计方法应用的再认识

一、回归分析方法的应用问题 回归分析是通过建立回归模型来反映自变量和因变量之间的变动关系,进而根据自变量对因变量作出预测.然而,现行教科书在介绍该方法的用途时出现了三方面的误解,现予以说明并加以矫正.     

定距变量间相关的种类及程度的计算

众所周知，事物的属性用差距尺度进行测量，可得到定距变量。定距变量间的相关关系是很复杂的，从不同的角度看，这种相关关系可分为不同的种类：按变量的性质，可分为固定相关和随机相关；按变量的多少，可分为简单相关和复相关；按变量间的相关形式，可分为线性相关和非线性相关。本文是对上述诸相关种类及计算的讨论。一、固定简单线性相关固定简单线性相关是指一个随机变量与另一个非随机变量之间的线性相关关系。例如，农作物的施肥量是一个可控制变量X，农作物的收获量是一个不确定变量Y，两变量间的关系表现为一个随机变量与一个非…     

统计学和经济学产生和发展的互动关系及启示

首先,统计学有助于优化经济学的方法,即促进经济学方法的量化与精确化. 经济学需要确定变量之间的关系,如供给、需求与价格之间的关系.只有这样,才能揭示经济规律.统计学则提供了这种方法.例如,回归分析是主要方法之一.上述供给、需求与价格之间的关系,实际上是因变量与自变量的关系.收集数据,将自变量对因变量作回归分析,其回归结果可以确定两者之间的关系,可以增加理论可信度.再例如,效用理论的确立在很大程度上得益于统计学的帮助.     

基于主成分回归的分布滞后模型及实证

对含滞后变量问题的建模,有效地消除变量间的高度相关是保证模型优良性的一个重要手段.文章利用主成分析把原始变量正交变换并作为新的自变量,消除多重共线性.然后利用逐步回归筛选出对因变量有影响的变量进行回归拟合.最后针对国内生产总值对我国固定资产投资带动作用进行实证分析.     

浅议路径分析

路径分析是一种研究变量间相互关系、自变量对因变量作用方式、程度的多元统计分析方法。本文通过对其基本思想、基本步骤地阐述,简单分析了该方法的应用条件、作用及优缺点,以便更好更多的应用于实践中。     

对两变量相关的若干问题探讨

一、对两变量相关的认识和理解两变量相关,一般定义为两个变量之间的相互关系的程度。我们认为,这种定义不利于正确认识和理解相关的含义,因为两个变量之间的相互关系有质的表现,也有量的表现。基于此,我们把相关定义为：所谓相关,是指一个变量的值与另一个变量的值在统计上具有连带性或依赖性。对连带性可理解为,如果一个变量的值发生变化,另一个变量的值也有变化,即两个变量之间具有协变趋势性。而对依赖性可理解为,如果一个变量Y与另一个变量X具有依赖性,则表明当在已知X的情况下去解释Y所产生的误差比不知道X的情况下产生…     

对回归分析方法运用的误解

回归分析是通过建立问归模型来反映自变量和因变量之间的变动关系，进而根据自变量对因变量作出预测。然而，现行教科书在介绍该方法的用途时出现了三方面的误解，现予以说明并加以矫正。一、现行《统计学》教科书在介绍同归分析方法时明确写到，刊用数学模型取得的同归方程，一般都是根据一定范围内的有限资料计算，其有效性，只适用于该范围内，不适用于该范围外，换言之，就是只适用于内插预测，不宜于外推预测、其原因是一最小平方”指的是对现有资料范围配一条最适线，如果外推到范围以外，就不一定是最适线了。笔者认为，现行教科书中…     

关于相关分析与回归分析的比较研究

相关分析与回归分析是统计分析中的基本方法，两者之间既有联系，又有区别。本文拟对这两种分析方法进行一些比较研究。一、相关分析与回归分析的区别研究我们认为，相关分析与回归分析的区别主要表现在如下几点：第一表现为概念上的区别。相关是指一个变量的值与另一个变量的值有连带性。换言之，如果一个变量的值发生变化，另一个变量的值也有变化，则两个变量就相关了。这种相关关系是指变量之间的不确定的依存关系。比如，人的身高和体重，一般地说，身高者体也重，因此身高和体重之间具有相关关系。但是，具有同一身高的人，体重却有差…     

从曲线性数据的直线化过程中选择预测模型的方法

看似简单的反映自变量与因变量关系的线性函数,如果选择、应用得当,可以明显地反映一种因素的变动对另一种因素的影响,在经营、管理等活动的决策分析中有着广泛的应用。因此科学、合理地选择线性函数的模型并恰当地应用,成为预测理论与实践上的重要课题。一、选择函数模型方法的猜想     

基于双重筛选的多因变量偏最小二乘逐步回归方法

偏最小二乘回归分析中的一个重要问题是变量选择,文章的主要目的是给出一种改进的多元数据分析方法-基于双重筛选的多因变量偏最小二乘逐步回归方法。双重筛选方法既能按自变量对因变量的关系进行分组,又能使每个自变量对各组因变量的作用反映出来。因此基于双重筛选的多因变量偏最小二乘回归方法能很好地处理这类问题,并得到好的结果。     

用最小平方法进行统计预测的条件及步骤

最小平方法是统计预测中最常用的方法之一。但人们在运用时,往往不看资料是否符合预测条件,盲目运用最小平方法进行预测,这样预测的结果不准确,误差较大。运用最小平方法进行预测的条件有两个,一是两个变量必须高度或显著相关;二是自变量与因变量在平面直角坐标系上对应的点应近似地成一条直线。下面通过一个例子来说明运用最小平方法进行预测的条件和步骤。要求根据表1资料预测该企业1998年纯碱产量将达到多少万吨。第一步:作散点图。这一步主要是观察资料是否满足用最小平方法进行预测的两个条件:既观察两个变量是否相关;是否近似地成一条直线。根据表1的资料,以时间(序号)为自变量t,产量为因变量y,作散点图。由散