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     

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。     

计量经济学和统计学视角下的线性回归模型——再议线性回归模型的设定

从属性、构建方法及意义等方面,分析研究线性回归模型在计量经济学和统计学两学科视角下的差异,并根据这种差异进一步提出回归模型的基本设定思路。研究表明:识别这种差异是完成模型设定工作的基础性和必要性举措,有助于实现线性回归模型的正确设定。以经典例证对计量经济学和统计学回归模型在应用中的区别以及模型设定问题进行进一步展示和分析。     

回归预测中应注意的问题

文章从数据的收集与处理、因果关系分析、模型的建立与参数估计、模型的检验和预测等方面论述了回归预测中应注意的问题.     

基于数学建模基础上的经济变量线性回归统计预测分析

研究变量间的变动关系,并用数学方程式表示,称为回归分析。特别是用于:定量地描述和解释相互关系;估计或预测因变量的值。回归一词最早由英国天才科学家Sir Franxis     

利润预测与商品价格确定的回归模型

针对如何预测商品在不同价格下的销售量和利润这一问题,采用量、本、利公式和数学方法,分别提出假设条件,利用回归分析方法建立利润和商品价格模型.本文方法的实用性在于在数据不完全的情况下建立价格与销售量或利润模型,为企业进行商品的价格调整提供了数量依据.     

前移回归新方法的实际运用与改进

前移回归分析方法克服了以往时间序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷。近两年应用前移回归分析方法对湖北、云南、福建等省多项经济指标进行的预测,效果令人满意。本文分析了此方法在上述省份应用的效果,进行了新的预测,并提出了改进方向。     

基于样本企业所得税的回归预测研究

企业所得税预测对宏观、中观和微观经济有着重要的作用。文章以某企业的财务数据为样本,通过选取不同的自变量、应用不同的模型对企业所得税进行预测分析,认为：应用线性回归模型进行企业所得税的预测时,截距项为零的假设是成立的;根据财务数据选取自变量的优先级次分别为利润、增值税、销售收入;在经济发展平稳的条件下,时间序列的预测效果较好。     

论回归分析方法在企业中的应用

一、回归分析法在企业中的应用作用随着国家经济体制改革的不断深入,企业逐步从政府部门的直接管辖中解脱出来,成为独立的经济实体,自觉地面向市场,参与竞争,这就必须紧紧依靠科学的方法,研究经济活动规律,区别对待有利因素与不利因素,把握未来经济运行速度,提高经济管理水平.应用回归分析法,分析企业经济活动中的相关现象,可以解决的问题     

基于时间权重的回归预测模型

文章充分考虑新旧历史数据对预测结果影响程度不同,探讨并给出了确定时间权重应该满足的条件,且基于所给时间权重建立了基于时间权重的回归预测模型,在预测值和历史数据相对误差平方和最小的前提下推导了确定回归预测模型的参数确定公式.该模型更符合实际预测的情况,更具有实用性.     

回归分析中异常值的一种修正方法

普通最小二乘法是估计回归方程式的参数的一种常用的方法，它是根据在一组假定前提条件厂，要求实际观测值（Y）到回归方程的估计值（Y）的离差平方和达到最小值，即最小值。但是在实际工作中，利用最小二乘法研究经济变量之；司的关系时，当调查取得的资料中出现异常值时，如果不采用恰当的方法加以修正，估计出来的结果就可能出现很大的扭曲。有些人采用舍掉异常值的办法，这样做也可能使回归方程和观测值拟合得好一些，但由于舍掉了异常值，使资料的个数明显减少．因而在进行有关统计检验时，会因自由度变化而使参数的估计和检验受到影…     

在线预测的灰色支持向量回归方法

文章采取灰色系统和支持向量机相结合的方法,从预测精度和计算代价两方面讨论了经济时间序列数据的在线预测模式,提出了灰色自适应在线支持向量回归预测模型。两个经济时间序列的试验结果表明：该模型以稍高的计算代价能获得预测精度的明显提高,在选取合适灰色建模数据长度下,预测时间能迅速减少。     

基于虚拟变量回归与SARIMA组合模型的GDP预测

文章根据我国1992年至2015年的GDP季度数据,建立了虚拟变量回归(DVR)模型、SARIMA模型及其组合(DVR-SARIMA)模型,并进行了比较与分析,结果发现组合(DVR-SARIMA)模型的拟合效果最好,预测性能亦是最好,且利用组合(DVR-SARIMA)模型对我国未来的季度GDP进行了预测,以期对我国未来的总体经济增长情况做出合理的分析与判断.     

为什么回归系数的估计值会有“错误”的符号？

当我们应用多元回归分析时 ,有时会遇到这样的问题 :从实际数据算出的某些回归系数的估计值的符号与从问题的专业知识或直观经验所得的结论相反。例如 ,在一具体问题中 ,根据问题的专业知识和经验 ,有足够的理由认为回归自变量Ｘ1的回归系数 β1是正的 ,可是实际算出的 β1的最小二乘估计 ^β1却是负的 ,这时称 ^β1具有“错误”的符号。其实应用回归分析处理实际问题的不少人遇到过这种情况。一般说来 ,下列情况都可能导致某些回归系数的估计具有“错误”符号 :( 1)某些自变量取值范围太窄 ;( 2 )模型中丢弃了若干重要自变量 ;( 3 )设计阵…     

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。     

国际石油价格之残差自回归模型短期预测

国际石油市场上,油价围绕国际石油价值这个轴心随供求关系的变化而不断上下波动。而石油是现代工业的血液,预测油价变化,制定相关石油战略,具有重要的意义。文章运用非平稳序列的残差自回归模型方法对以往油价建立模型进行短期预测,模型拟合度比较理想,并和ARIMA模型及GARCH模型结果比较,残差自回归明显优于其他模型。     

试论模糊回归与统计回归

统计回归的研究具有悠久的历史,在理论方面取得了丰硕的成果,在社会科学和自然科学等许多领域得到了广泛应用;模糊回归的研究时间较短,但在许多领域具有良好的应用前景.文章从模型假设和估计方法两个方面,将统计回归与模糊回归进行比较,分析了二者的不同之处,同时指出,模糊回归的研究可以借鉴统计回归的相关思想.     

基于部分函数型线性回归模型的改进

金融市场的交易是不间断的,价格始终高频的更新,在金融数据的研究中,经常遇到函数型数据.文章主要建立部分函数型线性回归模型,分析函数型数据在上证指数预测中的应用,根据函数型数据分析的原理及其求解主成分分析的方法,使用Matlab对上证指数进行预测.