基于投入——产出思想的多重共线问题的解决

多重共线是回归分析中常见的问题,尤其是近似多重共线,对预测精度和稳定性影响很大。本文着重论述了近似多重共线的危害、诊断以及几种常用的解决办法,并根据投入——产出中直接消耗、间接消耗的思想,提出一种新的解决思路。     

灰色多元线性回归模型及其应用

基于灰色关联法和灰色聚类法诊断、解决多重共线问题;利用GM(1,1)模型对原始数据序列进行修正,降低随机波动的干扰;据修正变量数据建立灰色多元线性回归模型,并将其运用于具体实例取得满意的预测效果。该模型对处理数据贫乏、波动较大的样本效果显著。     

列昂节夫逆阵在解决多重共线问题中的应用

本文先论述多重共线的危害,然后介绍了几种常用的发现和检验多重共线的方法,并提出一种新的解决方法-利用列昂节夫逆阵整合解释变量的方法.     

缺失数据的多重插补方法

插补法是对缺失数据的调整方法,多重插补弥补了单一插补的缺陷,采用一系列可能的数据集来填充每一个缺失数据值,反映了缺失数据的不确定性。本文介绍了多重插补程序的三种数据插补方法:回归预测法、倾向得分法和蒙特卡罗的马氏链方法,并且对多重插补的插补效果进行推断,指出多重插补存在的问题。     

回归分析中强影响点的诊断方法与稳健回归

回归分析是计量经济学中最常用的定量分析方法，也是建立经济计量模型的主要工具，但在实际应用中，人们发现通过经典最小二乘法建立的回归模型，并不总令人满意，会出现诸如多重共线性、误差项异方差、自相关性等各种各样的问题，影响着模型的应用。于是，统计学家提出了对建立的模型进行回归诊断的问题，一方面，考察模型的假设条件满足的状况：另一方面，诊断样本数据对统计推断影响的大小，数据中是否存在影响模型稳定性的强影响点，以及处理解决的办法，这部分理论称为“回归诊断”。     

基于李雅普诺夫指数的临近点选取方法

混沌时间序列的局域法预测以其计算量小、适用性强等优点,得到了广泛应用.但是其预测效果受制于临近点的选取,尤其是“伪临近点”的存在将降低预测精度,所以合理选取临近点至关重要.考虑到相点各维分量对预测的影响不同,相点的演化趋势与其前S步相点存在相关性,文章利用最大李雅普诺夫指数构造权系数提出了基于李雅普诺夫指数的临近点选取方法.通过Lorenz方程产生的混沌时间序列进行检验,结果表明改进方法的预测效果明显提高.     

一种消除变量间相关性的模型聚类方法

欧氏距离条件下的聚类分析没有考虑指标间的相关性,基于模型的聚类方法存在多重共线性影响参数稳定性等问题,针对上述问题,文章在欧式距离条件下对变量间具有相关性的数据样本进行聚类分析时,先构建变量间相关性结构的回归相关模型,再通过差分分析对变量间的多重共线进行消除,然后做聚类分析.并以1996-2011年9个省份城市教育投入情况进行聚类分析,结果表明,给出的聚类方法是有效的.     

控制单个随机解释变量条件下被解释变量平均改变量的估计方法

文章在将两个相关随机变量中的一个适当分解为两个随机变量的基础上,对解释变量完全是随机变量的不完全多重共线问题,给出了用一个原解释变量以及与其不相关随机解释变量线性表示被解释变量的表示方法.进而研究了单独控制一个原解释变量改变一个单位条件下被解释变量的平均改变量(单控改变量),给出了估计单控改变量的方法——剔除相关变量法,证明了估计量的无偏性和一致性,并证明了估计量方差依概率收敛到有效估计量的方差.     

对“分段求和预测法”的一些看法

对“分段求和预测法”的一些看法杭州商学院苏为华对时间序列拟合趋势方程进行预测时，除采用最小平方法来估计方程的参数之外，人们提出了两种简化的方法：即“分段求和预测法”与“三点预测法”。其中“分段求和预测法”的基本步骤是：先将原始时间数列按照未知参数的个...     

Logistic模型多重共线性问题的诊断及改进

文章诊断并改进了logistic回归模型多重共线性问题方法,采用条件指数和方差分解比例两项指标进行共线性诊断、应用主成分改进和偏最小二乘回归两种方法进行多重共线性变量的改进处理:去除了回归模型中变量间的多重共线性影响,建立了较为理想的关系模型.结果表明,在Logisdc回归模型分析中,应用上述方法进行多重共线性的诊断和处理是有效及可行的.